文献类型：期刊文章

作　　者：苗国建[1] 岑俊杰[1]

MIAO Guojian;CEN Junjie(Informatization Construction and Management Office,Henan Institute of Technology,Xinxiang 453003,China)

机构地区：[1]河南工学院信息化建设与管理办公室,河南新乡453003

出　　处：《河南工学院学报》

基　　金：河南工学院教育教学改革研究与实践项目(GCJSJYZX-2021005)。

年　　份：2023

卷　　号：31

期　　号：1

起止页码：13-18

语　　种：中文

收录情况：CAS、普通刊

摘　　要：为解决当前海量数据和分类不均匀数据流量的检测问题,提出一种基于深度学习的异常流量检测算法。该算法将FCM算法和GRNN相结合,采用FCM算法对数据流量样本进行聚类,然后使用GRNN对距离FCM簇中心最近的样本点进行卷积训练并迭代更新,直到获得一个稳定的簇中心;引入MFOA对FCM-GRNN进行参数调优,利用MFOA的全局寻优特性和三维空间搜寻方法,迭代优化找到最优的Spread值;使用KDD CUP99数据集进行试验,得出所提算法的检测率为91.36%,误检率为1.154%,所提算法具有较好的异常流量检测能力。

关 键 词：异常流量检测 深度学习  广义回归神经网络 模糊聚类 果蝇寻优算法  

分 类 号：TP391]