基于多尺度低秩模型的网络异常流量检测方法

？现有刻画流量异常检测所需的流特征集通常是高维的，增加了检测和分类的复杂度。通过研究发现网络中异常通常是稀疏性分布的，单个异常仅仅表现在低维流特征中。基于这一现象提出了一种异常流量检测模型—多尺度低秩(mrlr,multi-resolutionlowrank)模型，该模型能够动态筛选出“合适的”特征集并准确分类异常。基于人工标记的实际网络流量异常和注入异常的数据集验证结果表明：mrlr对特征集的缩减率可达10%以下；并且基于mrlr的分类算法复杂度为o(n)。