基于k-means和决策树的混合入侵检测算法

摘要：

随着网络复杂度的增加,传统的入侵检测方法已经无法满足日益增长的安全需求.采用大数据的挖掘算法提高入侵检测的检测率是当前研究的热点.为此,本文提出一种基于k-means和决策树算法的混合入侵检测算法(KDI).该算法首先对数据预处理的离散化方法进行改进,获取高质量样本数据,并根据现实中易出现类别信息增益比差异小的特点,利用k-means算法根据增益比差异将样本数据先分类再建立决策树,提升了算法的检测率.实验结果表明KDI算法能够有效地检测网络数据中隐合的已知和未知的入侵行为.

关键词：k-means、决策树、入侵检测、数据离散化

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2018-01-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：12-16