一種基于雙層模型和指標(biāo)分布的惡意網(wǎng)絡(luò)流持續(xù)檢測(cè)和分類方法

摘要： 開(kāi)集惡意流量識(shí)別在網(wǎng)絡(luò)安全領(lǐng)域發(fā)揮著重要的作用.現(xiàn)有文獻(xiàn)方法存在模型結(jié)構(gòu)單一，缺乏靈活性；忽視增量訓(xùn)練樣本選擇，造成分類性能欠優(yōu)等問(wèn)題.針對(duì)這些問(wèn)題，本文提出了一種基于雙層模型和指標(biāo)分布的惡意網(wǎng)絡(luò)流持續(xù)檢測(cè)和分類方法 .該方法基于可擴(kuò)展極限學(xué)習(xí)機(jī)（Scalable Extreme Learning Machine,S-ELM）輸出權(quán)重與標(biāo)準(zhǔn)輸出的關(guān)系，設(shè)計(jì)了改進(jìn)的最接近皮爾森相... （共13頁(yè)）