科研之友
微信
新浪微博
Facebook
分享链接
摘要
伴随着网络规模的日益发展，校园网络通信故障与流量异常的情况频频发生。为及时发现网络故障、确保网络的正常运行与可用性，研究提出一种基于优化K均值聚类的高校异常流量分析方法，首先利用循环神经网络对高校校园异常流量展开数据预处理，接着与K均值算法相互融合，实现算法的改进。结果显示，当聚类K值等于60时，研究方法的检测率开始趋于稳定，数值为98.21%;而K为70时，研究方法与传统K均值聚类方法的误报率分别为0.661%,0.812%;部分流量预测结果中，研究方法的最大误差在5810min附近，对应预测误差约为1.472×108。以上结果均表示研究所提出的优化K均值聚类算法对高校网络异常流量的检测率较高，且误报率较低，能够被广泛应用于网络异常检测中。
-
单位浙江旅游职业学院
