基于Boosting的網(wǎng)絡(luò)異常流量檢測算法研究

于振洋

(淮陰工學(xué)院計(jì)算機(jī)工程學(xué)院，江蘇 淮安 223003)

0 引言

隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，計(jì)算機(jī)網(wǎng)絡(luò)業(yè)務(wù)也呈現(xiàn)出多元化的趨勢。在網(wǎng)絡(luò)規(guī)模不斷擴(kuò)大的同時(shí)，出現(xiàn)了數(shù)據(jù)流量過大導(dǎo)致網(wǎng)絡(luò)擁塞、惡意攻擊等網(wǎng)絡(luò)崩潰現(xiàn)象，因此，網(wǎng)絡(luò)流量預(yù)測在現(xiàn)代網(wǎng)絡(luò)中具有重要作用。進(jìn)行流量預(yù)測能夠使人們實(shí)時(shí)監(jiān)控網(wǎng)絡(luò)流量，在網(wǎng)絡(luò)性能出現(xiàn)惡化之前采取相關(guān)遏制措施。

網(wǎng)絡(luò)流量預(yù)測一直是研究的重點(diǎn)問題，目前已提出許多預(yù)測模型和算法。這些預(yù)測模型和算法主要分為:基于自回歸或自回歸滑動(dòng)平均的預(yù)測模型、基于自回歸綜合滑動(dòng)平均的預(yù)測模型、基于分形自回歸綜合滑動(dòng)平均的預(yù)測模型、基于神經(jīng)網(wǎng)絡(luò)的預(yù)測模型、結(jié)合小波變換和小波分析的預(yù)測模型及綜合小波與神經(jīng)網(wǎng)絡(luò)的預(yù)測模型。當(dāng)人獲得指導(dǎo)信息時(shí)，如何利用這種信息，來進(jìn)一步提高算法的性能是一個(gè)值得研究的課題。流量分析的基礎(chǔ)是對(duì)流量的測量，如何利用分析所得結(jié)果，反過來指導(dǎo)主動(dòng)式測量的進(jìn)行，也是非常有意義的課題。

1 基于Boosting的學(xué)習(xí)算法

Boosting是一類使得弱學(xué)習(xí)算法的性能得以提高的學(xué)習(xí)策略。基于Boosting的學(xué)習(xí)算法的思路如下:如果要想找到許多條簡單粗略的判斷準(zhǔn)則要比找到一條非常精確的準(zhǔn)則容易得多，在Boosting算法中，通過不斷調(diào)用這種“弱的”或“基本的”學(xué)習(xí)算法，每次用訓(xùn)練樣本的不同子集對(duì)它進(jìn)行訓(xùn)練(更確切地說，是訓(xùn)練樣本的不同分布或權(quán)重)，每次被調(diào)用時(shí)，基本的學(xué)習(xí)算法將產(chǎn)生一條新的弱的判斷準(zhǔn)則，循環(huán)多次后，Boosting算法必須把這些弱的準(zhǔn)則結(jié)合成一條準(zhǔn)則，該準(zhǔn)則很可能比弱準(zhǔn)則中任何一條都要精確得多。……