改进的KNN分类异常点检测方法

摘要：

针对入侵检测中异常点误报率较高的问题,提出了改进KNN与异常点检测算法相结合来处理数据的方法,以降低入侵检测误报率.该方法首先采用卡方特征选择方法进行数据特征选择,其次采用孤立森林、距离、局部异常因子(IDL)结合查找出异常点,然后使用SMOTE平衡数据,使得所有的样本达到一个类平衡状态,再采用KNN分类.最后采用公开数据集NSL-KDD进行对于改进KNN异常点检测方法的有效性验证.实验结果表明,采用改进的KNN分类异常点检测方法进行检测,降低了误报率.

关键词：特征选择、孤立森林算法、NSL-KDD

所属期刊栏目：51

分类号：TP391(计算技术、计算机技术)

在线出版日期：2022-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：8-11