文献类型：期刊文章

作　　者：杨晓晖[1] 张圣昌[1]

YANG Xiaohui;ZHANG Shengchang(School of Cyber Security and Computer,Hebei University,Baoding 071002,China)

机构地区：[1]河北大学网络空间安全与计算机学院

出　　处：《通信学报》

基　　金：国家重点研发计划基金资助项目(No.2017YFB0802300)

年　　份：2019

卷　　号：40

期　　号：8

起止页码：133-142

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：孤立森林算法是基于隔离机制的异常检测算法,存在与轴平行的局部异常点无法检测、对高维数据异常点缺乏敏感性和稳定性等问题。针对这些问题,提出了基于随机超平面的隔离机制和多粒度扫描机制,随机超平面使用多个维度的线性组合简化数据模型的隔离边界,利用随机线性分类器的隔离边界能够检测更复杂的数据模式。同时,多粒度扫描机制利用滑动窗口的方式进行维度子采样,每一个维度子集均训练一个森林,多个森林集成投票决策,构造层次化集成学习异常检测模型。实验表明,改进的孤立森林算法对复杂异常数据模式有更好的稳健性,层次化集成学习模型提高了高维数据中异常检测的准确性和稳定性。

关 键 词：异常检测 孤立森林  隔离机制  多粒度扫描  随机超平面  

分 类 号：TP181]