分布式校园网络流量随时间变化显著,尤其是在课程开始和结束时、大型活动或特殊事件期间.传统异常检测策略采用随机抽样,缺乏动态适应性,无法根据实时流量调整抽样策略,导致重要异常遗漏和误报.哈希算法具有适应网络流量动态变化的特性,可根据网络流量的变化调整抽样策略,从而降低误报率.基于此,提出一种基于哈希算法的分布式校园网络流量异常检测方法.利用K-means算法对分布式校园网络流量进行聚类挖掘,并构建网络流量异常检测Transformer模型.采用哈希算法生成抽样触发机制,根据网络流量的动态变化调整抽样比例,以降低误报率.实验结果表明,所提出的方法具有较高的F1-score和较低的误报率,充分证明了在网络流量异常检测中具有良好的性能和可靠性.所提出的方法能够有效地适应分布式校园网络流量的动态变化,为校园网络安全提供有力的技术支撑.
万方数据
维普
