基于多标签分类算法的网络通信端口流量异常值快速捕获

由于网络通信端口流量状态具有实时更新的特征,导致异常值捕获的难度较大,为此,提出基于多标签分类算法的网络通信端口流量异常值快速捕获方法研究。通过对网络通信端口流量的统计特征(流量的大小、流量的方向、流量的协议类型)进行分析和计算,为每个网络通信端口生成一组具有代表性的标签,利用GCN学习一组相互依赖的网络通信端口流量数据标签分类器,设计对应的分类器的输入由节点以及标签相关矩阵构成,具体的节点表示形式为网络通信端口流量数据标签的特征向量,网络通信端口流量数据标签对的出现次数作为建立相关矩阵的执行基础,分类器输出使用网络通信端口流量数据标签共现矩阵对应的条件概率矩阵为空时,确定此时的网络通信端口流量数据为异常值。在测试结果中,对端口流量异常值捕获结果的ACC始终稳定在0.85以上,对端口流量异常值捕获结果的F1-score始终稳定在0.83以上,与对照组的测试结果相比,具有明显优势。