重庆理工大学学报（自然科学）

重庆理工大学学报（自然科学） ›› 2019, Vol. 33 ›› Issue (10): 149-154.doi: 10.3969/j.issn.1674-8425(z).2019.10.023

• 信息·计算机 • 上一篇    下一篇

大数据环境下基于小波神经网络和ＡＲＭＡ模型的流量异常检测

陈易平１，俞 龙２，谌 颃１   

  1. １．广东技术师范大学天河学院 计算机科学与工程学院，广州 ５１０５４０；２．华南农业大学 电子工程学院， 广州 ５１０６４２
  • 收稿日期:2018-11-25 出版日期:2019-12-10 发布日期:2019-12-10
  • 作者简介:陈易平，男，硕士，讲师，高级工程师，主要从事网络信息安全、云计算技术研究，Ｅ-ｍａｉｌ：８９６４３０１＠ｑｑ．ｃｏｍ。
  • 基金资助:
    广东省普通高校特色创新类项目（２０１７ＫＴＳＣＸ２１１）；广东省教育厅科研项目（２０１７ＳＺ０３）；２０１７年广东技术师范学院天河学院计算机科学与技术重点学科建设项目（ Ｘｊｔ２０１７０２）；２０１８ 年“创新强校工程”校级科研委托项目（２０１８ＫＹ００２）

  • Received:2018-11-25 Online:2019-12-10 Published:2019-12-10

PDF (PC)

314

赞

摘要： 大数据环境下的运维管理工作需要准确地对可能的故障进行预警，但是传统方法无法应对复杂的非线性动态系统以避免故障带来的严重损失 因此，针对流量序列的异常检测问题，提出了一种基于小波神经网络和自回归滑动平均模型（ ＡＲＭＡ）的流量异常检测方法。使用序列预测偏差拟合正态分布来构建异常可置区间，从而对时间序列分析法中的 ＡＲＭＡ 模型进行改进。采用贝叶斯组合理论把小波神经网络预测与 ＡＲＭＡ 时间序列预测相结合建立组合模型来实现流量异常预警。测试结果表明：与其他多种模型相比，该组合模型在准确描述网络的运行状况方面表现出较好的优势。

关键词: 大数据, 小波神经网络, 时间序列分析, ＡＲＭＡ模型, 流量, 预警

中图分类号: 

  • ＴＰ３９３