基于特征分组聚类的异常入侵检测系统研究

摘要：

利用网络连接数据可以按照连接的基本特征、内容特征、网络流量特征和主机流量特征进行分组的特点,基于K-means算法,提出一种按照特征分组进行聚类的方法,以高效实现特征约简和数据降维.通过调整聚类参数保留特征分组内的差异信息,使用决策树C4.5算法对降维后的数据进行入侵分类处理.实验结果表明,该方法能够使kddcup99数据集的聚类特征数由41个降为4个,且对网络连接数据的总检测率为99.73％,误检率为0,其中正常网络连接和刺探攻击Probe的检测率均为100％.

关键词：入侵检测、网络数据、K-means算法、决策树、数据降维

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61872252

在线出版日期：2020-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：123-128,134