基于密度聚类分析的入侵检测方法研究

摘要：

针对密度聚类DBSCAN算法存在的聚类效果对输入参数敏感的问题,提出了一种基于k-means改进算法确定DBSCAN算法参数的方案来提高聚类质量.将改进k-means算法与DBSCAN算法相结合应用于入侵检测系统,实验结果表明,新方法较好地解决了传统DBSCAN聚类算法中参数选择的敏感问题,相比于李娜等人提出的算法,结合算法使检测率提高了3.32％,误报率降低了1.83％.

关键词：入侵检测、密度聚类算法、参数选择

所属期刊栏目：41

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学资金编号:61167006:广西自然科学基金2012GXNSFBA053173

在线出版日期：2013-04-03（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：254-256,323