1
软件定义网络(Software-Defined Networking, SDN)作为一种新型的网络架构,已经成功地被商业化开发。但由于信息化社会的网络流量越来越大,种类越来越多,对于网络流量的异常检测日趋重要。为了实现在SDN网络环境下对流量进行异常检测,本文提出了一种基于支持向量回归(Support Vector Re-gression, SVR)和自回归积分滑动平均模型(Auto-Regressive Integrated Moving Average, ARIMA)的算法。该算法充分发挥SDN网络的特性,周期性的获取网络流量,并利用ARIMA模型对流量进行预测,之后通过SVR模型将预测结果进行校正。试验结果表明,相较于ARIMA模型,ARIMA-SVR模型拥有较高的准确率和检测率;相较于支持向量机模型,ARIMA-SVR模型能够快速地检测出未知类型的异常流量。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表德赢Vwin官网 网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !