多视角层次聚类下的无线网络入侵检测算法

摘要：

针对现有基于监督学习的无线网络入侵检测算法误检率高、难以发现未知类型攻击行为、获取带标记网络数据代价大的问题,提出一种基于多视角层次聚类的无监督无线网络入侵检测算法.该算法基于无监督学习,不需要为参与分类器学习的大量无线网络数据进行人工标记,具有易获取训练数据集和发现未知类型攻击行为的优势,同时该算法引入多视角余弦距离作为层次聚类中无线网络数据对象间相似性度量,使聚类结果更加合理,对网络数据行为的判定更加准确,在一定程度上降低了入侵检测的误检率.选用公开无线网络攻击数据集(AW I D)进行实验,通过主成分分析法对实验数据集进行降维处理,很大程度上降低了入侵检测算法的时间复杂度.实验结果表明,与传统的无线网络入侵检测算法相比,提出的多视角层次聚类下的无线网络入侵检测算法在检测率、误检率和发现未知攻击类型等性能上都有显著提升.

关键词：多视角、层次聚类、无线网络、入侵检测、主成分分析(PCA)

所属期刊栏目：16

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金;河北省教育厅自然科学基金;河北师范大学技术创新基金项目

在线出版日期：2022-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：2752-2764