文章摘要:5G边缘计算靠近用户侧提供服务，边缘侧汇聚着边缘区域的敏感信息，其中恶意用户以信任身份利用各类攻击手段威胁网络安全。本文将机器学习算法应用于边缘计算架构，提出一种基于行为的用户异常检测方法。该方法首先对用户行为进行建模，采用独热编码和互信息进行数据预处理和特征工程；然后，基于极限梯度提升算法训练一个多分类器对进入园区的用户进行分类识别，根据识别结果与用户身份是否一致来判定用户是否异常；最后，基于孤立森林算法对授权用户历史行为数据进行模型训练，依据模型来检测可信任用户的行为是否异常，本方法实现了对小型固定园区内未授权用户的识别以及授权用户的异常行为检测。实验结果表明，所提方法在满足边缘计算场景时间复杂度要求下，能够有效区别不同用户，分类准确率为0.953，对异常行为样本的误报率为0.01。

文章关键词:

论文DOI:10.19678/j.issn.1000-3428.0061778

论文分类号:TN929.5

文章来源：《心理与行为研究》 网址: http://www.xlyxwyj.cn/qikandaodu/2021/1015/859.html