徐俊梅

(合肥科技职业学院 电子信息系，安徽 合肥 230000)

随着现代计算机网络的飞速发展，其应用领域也在不断扩大，但是网络环境日趋复杂。尤其是随着网络设备的不断更新升级，设备之间的交互也不断密切。在多种交互行为中，难免因为多样性的攻击程序或者未知问题，出现交互行为异常，对网络设备的运行造成了不利影响。对此有专家和学者提出移动网络交互异常行为检测方案。有人研究一种基于支持向量机的检测方法，它能有效对数据样本进行多元化切割，将交互行为数据转移为线性分类数据，实现异常检测；还有人通过改进支持向量机分类器，通过不敏感损失函数进行异常检测。除了以上2种，依靠惩罚因子和机核构造基于遗传算法的检测模型，也是一种集群性的交互行为异常检测策略。上述几种移动网络交互行为异常检测方法虽然具有一定效果，但是均面临实时性较差的问题，原因在于对时间序列数据的方向性和特征性方面的研究不够深入。在世界范围内，物联网以其自身鲁棒性较强、节能性好、查询便捷等优势，应用于多种不同的网络领域建设中，与此同时人们对其依赖性也在不断上升。物联网最大的优势在于自身独有的特征维度数据，这些数据数量巨大且存在明显的差异，依靠物联网提供的数据样本，可以有效提高移动网络数据的提取效果[1]。

针对上述问题，以物联网为核心，从高维数据时间序列分量特征入手，提出移动网络交互行为异常检测方法，用于解决数据交互行为的实时性问题。……