计算机工程

作者：王光明, 李冬青, 蒋从锋

单位：杭州电子科技大学云技术研究中心, 浙江 杭州 310018

关键词：数据中心,网络流量,异常检测,不平衡数据集,集成学习

基金：国家自然科学基金面上项目(61972118)

数据中心作为信息化时代的重要基础设施, 承载着各类关键信息服务。目前, 数据中心是网络攻击的主要攻击目标。为了提高网络安全, 提出数据中心网络流量异常检测方法。研究内容包括特征选择、不平衡数据集分类和异常流量检测。首先, 提出了一种处理不平衡数据集的分类方法, 通过基于集成的特征选择和混合采样算法提高分类性能; 其次, 引入基于随机森林(RF)和LightGBM的流量异常检测方法, 充分利用它们在处理不平衡数据和噪声抵抗方面的优势。在CSE-CIC-IDS2018公开数据集上进行验证, 实验结果表明, 所提方法具有较高的精确率和召回率, 在15种流量类型中有9种类型的分类精确率都高于90%, 并且有13种类型的分类精确率都在74%以上, 对提高数据中心安全、保障服务质量和改善网络流量异常检测具有重要意义。

来源：2025年第8期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第8期