信息安全研究第10卷第1期2024年1月JournalotinformatienSecurityResearchVol.10No.1Jan.2024DOl:10.12379/j.issn.2096-1057.2024.01.06基于自适应集成学习的异常流量检测倪嘉翼陈伟2童家铖李频1（南京邮电大学计算机学院、软件学院、网络空间安全学院南京210023)2（江苏省大数据安全与智能处理重点实验室南京210023）(njiay@outlook,com)AbnormalTrafficDetectionBasedonAdaptiveIntegratedLearningNiJiayil,ChenWeil.2,TongJiacheng',andLiPin!1(SchoolofComputerScience,NanjingUniversityofPostsandTelecommunications,Nanjing210023)2(JiangsuKeyLaboratoryofBigDataSecurityandIntelligentProcessing,Nanjing210023)AbstractWeproposeanadaptiveintegrate-learning-basedanomaloustrafficdetectionmethodinthispaperthatusesthediscreteFouriertransformtoextractthefrequencydomainfeaturesoftraffic,resultinginlessinformationlossduringtheextractionoftrafficfeatures.Anevaluationmetricbasedonstabilityandaccuracyfluctuationsisusedtodynamicallyassessthereliabilityofthecurrenttrafficfeatures,andthefeaturedatablocksthatpasstheevaluationareusedtogeneratenewsub-classifiers.Meanwhile,anintegratedadaptiveclassifierisdesigned,whoseparametersandsub-classifiersareadjustedinrealtimeaccordingtothecurrentsituation.Theexperimentalresultsshowthatthemethodiseffectiveforsolvingtheconceptdriftprobleminanomaloustrafficdetectionandmachinelearningagainstattacks.Keywordsanomaloustrafficdetection;frequencydomainfeature;conceptdrift;integrationlearning;adaptivelearning摘要提出了一种基于自适应集成学习的异常流量检测方法，使用离散傅里叶变换提取流量的频域特征，使得对流量特征提取过程中信息损失较小.用一种基于稳定性和准确性波动的评估指标来动态评估当前流量特征的可靠性，通过评估的特征数据块用于生成新的子分类器.同时，设计了一种集成自适应分类器，其参数和子分类器会根据当前的情况进行实时调整.实验结果表明，该方法对于解决异常流量检测中的概念漂移问题和机器学习对抗攻击问题有良好的效果.关键词异常流量检测；频域特征；概念漂移；集成学习；自适应学习中图法分类号TP393.08随着互联网的普及，网络攻击事件也越来越频繁.近年来，中国遭受了一系列大规模网络攻击，包括DDoS攻击、APT(adv...
