10.3969/j.issn.1006-2475.2019.10.023
基于Krylov子空间方法的网络入侵数据聚类
网络信息安全中的数据具有维数高、规模复杂等特性.网络入侵检测需要对网络入侵信息进行合理的分析,筛选出危险的带有攻击性的行为.随着数据维数的不断升高,传统的基于距离的聚类分析方法不再适用.针对此,本文提出一种基于Krylov子空间方法的高维数据聚类分析算法,首先将高维数据投影到低维空间,实现数据的降维,再用基于遗传算法的K-means算法在低维空间中进行数据的聚类,避免了数据属性的丢失,同时也提高了高维数据聚类分析的效率.最后,使用KDD Cup 99数据进行实验,实验验证了方法的有效性和精确性.
Krylov子空间方法、高维聚类、入侵检测系统、遗传算法、K-means算法、信息安全
TP309(计算技术、计算机技术)
江苏省高等学校自然科学研究重大项目17KJA520004
2019-10-29(万方平台首次上网日期,不代表论文的发表时间)
共6页
121-126