基于流量的异常流量检测无监督学习算法的系统文献综述
密码学与安全
2025-12-05 v1 机器学习
网络与互联网体系结构
摘要
连接到互联网的设备不断增加，网络攻击也随之增加，这使得分析网络流量以识别恶意活动成为必要。传统的基于数据包的分析方法是不够的，因为在大型网络中，流量非常大，审查所有通信是不可行的。因此，流是适用于这种情况的方法，在未来的 5G 网络中必须使用它，因为数据包的数量将急剧增加。如果将其与无监督学习模型相结合，还可以检测到未经训练的新威胁。本文遵循 PRISMA 指南，对用于检测网络流中异常的无监督学习算法的文献进行了系统综述。共审查了 63 篇科学文章，并对其中的 13 篇进行了深入分析。获得的结果表明，自编码器是最常用的选项，其次是 SVM、ALAD 或 SOM。另一方面，收集了用于异常检测的所有数据集，包括一些专门针对物联网的数据集或从蜜罐收集的真实数据。
引用
@article{arxiv.2503.08293,
title = {A systematic literature review of unsupervised learning algorithms for anomalous traffic detection based on flows},
author = {Alberto Miguel-Diez and Adrián Campazas-Vega and Claudia Álvarez-Aparicio and Gonzalo Esteban-Costales and Ángel Manuel Guerrero-Higueras},
journal= {arXiv preprint arXiv:2503.08293},
year = {2025}
}
备注
This article has been accepted for publication in Logic Journal of the IGPL Published by Oxford University Press