Resumen

Las técnicas de aprendizaje automático son esenciales para la detección de anomalías en los registros del sistema. Es propenso al fenómeno de superposición de clases debido a la gran cantidad de datos de registros del sistema similares. La ocurrencia de este fenómeno tendrá un impacto grave en la detección de anomalías de los registros del sistema. Para resolver el problema de superposición de clases en los registros del sistema, este artículo propone un modelo de detección de anomalías para el problema de superposición de clases en los registros del sistema. Primero calculamos la relación entre los datos de muestra y la membresía de diferentes clases, normales o anómalas, y utilizamos la difuminación para separar los datos de muestra de las partes superpuestas de las clases de los datos de las otras partes. AdaBoost, un enfoque de aprendizaje de conjunto, se utiliza para detectar datos superpuestos. En comparación con los algoritmos de aprendizaje automático, el aprendizaje de conjunto puede clasificar mejor los datos de las partes superpuestas, para lograr el propósito de detectar las anomalías de

• Materias:Redes de radio Sistemas de información Comunicaciones inalámbricas Cifrado de bloques
• Subjects:Radio Networks Information systems Wireless communications Block ciphers
• Palabras claves:Técnicas de aprendizaje automático; Detección de anomalías en registros del sistema; Superposición de clases; Modelo de detección de anomalías; AdaBoost; Aprendizaje en conjunto
• Keywords:Machine learning techniques; System log anomaly detection; Class overlap; Anomaly detection model; AdaBoost; Ensemble learning