ISSN 1009-5624 CN 10-2021/TQ 主管:中国乐凯集团有限公司 主办:北京乐凯科技有限公司
中国知网全文收录期刊
万方数据库收录期刊
RCCSE中文学术期刊
维普资讯网/超星域出版 全文收录
中国核心期刊(遴选)数据库收录期刊
万方数据库收录期刊
RCCSE中文学术期刊
维普资讯网/超星域出版 全文收录
中国核心期刊(遴选)数据库收录期刊
ISSN 1009-5624 CN 10-2021/TQ 主管:中国乐凯集团有限公司 主办:北京乐凯科技有限公司
【摘要】为深入探索机器学习算法在网络流量异常检测中的有效性，提高检测的准确率和效率，保证网络安全防护水平，本文通过对比分析多种机器学习算法，如支持向量机（ＳＶＭ）、随机森林、神经网络等，在真实网络流量数据集上的表现，优化算法参数，构建高效异常检测模型。 研究结果表明：特定机器学习算法在特定场景下能有效识别网络流量异常，且通过参数调优和特征选择，检测性能得到显著提升。 由此可见，机器学习算法在网络流量异常检测中具有广阔应用前景，未来应进一步探索算法融合和在线学习等技术，以适应不断变化的网络环境。
