一种基于状态锁定与自适应噪声修正的网络周期性流检测方法

本申请公开了一种基于状态锁定与自适应噪声修正的网络周期性流检测方法，构造第一数据结构和第二数据结构，计算当前时间间隔并调整流的置信度分数、周期抖动和估算周期，基于置信度分数执行状态转移，当网络流从学习态转移至锁定态时将网络流作为晋升流上报，将晋升流插入第二数据结构中，基于历史到达间隔信息计算多维周期性质量分数；当第二数据结构发生冲突时，执行基于布谷鸟哈希的递归踢出策略，替换多维周期性质量分数最低的牺牲者流；最后基于多维周期性质量分数输出TopK周期性流。通过多维量化指标实现了异质化周期流的公平竞争，结合高效的哈希与堆结构，在复杂噪声环境下显著提升了周期性流检测的准确性和资源利用率。