快速自适应流量突变检测算法研究

doi:10.3778/j.issn.1002-8331.2009.24.027

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (24): 87-90.DOI: 10.3778/j.issn.1002-8331.2009.24.027

快速自适应流量突变检测算法研究

曹敏¹，程东年¹，吴曦²，王浩学¹

1．国家数字交换系统工程技术研究中心，郑州 450002
2．总参第五十八研究所，北京 100091

收稿日期:2008-10-17 修回日期:2008-12-29 出版日期:2009-08-21 发布日期:2009-08-21

Research on fast auto-adaptive robust detection method

CAO Min¹，CHENG Dong-nian¹，WU Xi²，WANG Hao-xue¹

1.National Digital Switching System Engineering and Technological Research Center，Zhengzhou 450002，China
2．Department of 58 Graduate School，Beijing 100091，China

Received:2008-10-17 Revised:2008-12-29 Online:2009-08-21 Published:2009-08-21
Contact: CAO Min

摘要/Abstract

摘要： 网络流量突变检测在网络管理中意义重大，针对多下一跳网络的特点，将异常定义为故障后流量的突变，提出了快速自适应流量感知突变检测算法。算法通过改进的直方图技术压缩数据后，利用聚集函数进行上升和下降两种突变的检测，进而根据感知流量变化来分析网络中节点及链路状态，快速准确地掌握网络整体状况。通过仿真平台对算法有效性进行验证，并与现有突变检测算法进行比较，结果表明该算法能使检测灵敏度和精度得到明显提高。

关键词: 突变检测, 自适应, 流量感知

Abstract: Abnormal traffic detection is important to network management.This paper aims at the characteristic of multi-hop network，and defines abnormal as traffic-robust after failure.Then the paper presents a fast auto-adaptive traffic-aware robust detection method.This method compresses data via efficient histogram，and detects double-size robust via congregate function.The paper analyzes status of links and node via being aware traffic and can get status of network fast and nicely.It does experiment to validate the validity and advance in performance of this method compared with other robust detection method.

Key words: robust detection, auto-adaptive, traffic-aware

中图分类号:

TP393

曹敏¹，程东年¹，吴曦²，王浩学¹. 快速自适应流量突变检测算法研究[J]. 计算机工程与应用, 2009, 45(24): 87-90.

CAO Min¹，CHENG Dong-nian¹，WU Xi²，WANG Hao-xue¹
. Research on fast auto-adaptive robust detection method[J]. Computer Engineering and Applications, 2009, 45(24): 87-90.

[1]	马珺，王昱皓. 结合自适应更新策略和再检测技术的跟踪算法[J]. 计算机工程与应用, 2021, 57(9): 217-224.
[2]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[3]	邹杰，李俊. 多策略协方差矩阵学习差分进化算法[J]. 计算机工程与应用, 2021, 57(7): 78-87.
[4]	赵林锁，马瑞强，姜天，宋宝燕，潘一山. 两级回归的流式大数据事件自适应预警方法[J]. 计算机工程与应用, 2021, 57(7): 88-94.
[5]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[6]	倪宗军，陈辉，张昀，苏敏，郑秀娟. 自适应去噪的非接触式生理参数检测方法[J]. 计算机工程与应用, 2021, 57(5): 153-160.
[7]	陈世明，林子朋，高彦丽，裴惠琴. 自适应耦合权重下的异质群体一致性研究[J]. 计算机工程与应用, 2021, 57(4): 231-235.
[8]	王芙银，张德生，张晓. 结合鲸鱼优化算法的自适应密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(3): 94-102.
[9]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.
[10]	肖振久，孔祥旭，宗佳旭，杨玥莹. 自适应聚焦损失的图像目标检测算法[J]. 计算机工程与应用, 2021, 57(23): 185-192.
[11]	张忠林，赵昱，闫光辉. 自然邻居密度极值聚类算法[J]. 计算机工程与应用, 2021, 57(23): 200-210.
[12]	畅雅雯，赵冬青，单彦虎. 多特征融合和自适应聚合的立体匹配算法研究[J]. 计算机工程与应用, 2021, 57(23): 219-225.
[13]	李雅，侯彦东，刘畅. 基于故障程度的自适应优化容错控制[J]. 计算机工程与应用, 2021, 57(23): 295-302.
[14]	陈瑶，陈思. 基于自适应多普勒及动态邻域的改进BA算法[J]. 计算机工程与应用, 2021, 57(22): 166-176.
[15]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.

快速自适应流量突变检测算法研究

Research on fast auto-adaptive robust detection method

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics