基于S-UBayFS特征选择的网络流量异常检测方法

研究网络流量异常检测的方法,针对传统机器学习方法的局限性,提出一种基于S-UBayFS-GRU的检测算法。该算法分为3个步骤:利用SNHA算法从大量的网络流量特征中筛选出有因果关系的特征,形成“关联链”;利用“关联链”和网络安全领域知识,给特征赋值权重和侧面约束,用UBayFS算法进行特征选择,降低特征维度,提高特征质量;利用GRU循环神经网络对筛选后的特征进行学习和预测,实现网络流量异常检测。实验结果表明,提出的S-UBayFS-GRU算法在各项评价指标上均优于其他方法。