基于数据挖掘的船用通信网络异常行为分类和识别研究方法

为保证船用通信网络的安全，设计基于深度数据挖掘的船用通信网络异常行为分类和识别方法。该方法数据处理模块采用全局信息数据融合策略，融合网络的原始采集数据，特征选择模块通过平均不纯度减少特征重要度计算方法，选择有效特征并计算该特征重要度后，形成特征集，将其输入分类识别模块的内外卷积网络深度学习网络模型中，通过模型的学习和训练，获取船用通信网络异常行为分类识别结果。测试结果显示：该方法可有效删除其中的无效特征，保留有效特征结果；可获取不同类别有效特征标签的重要度评分结果；分类识别的平均绝对误差均低于0.18，可完成不同流量变化下异常行为分类识别。