10.3321/j.issn:1001-506X.2009.05.050
基于离群聚类的异常入侵检测研究
提出了一种离群聚类算法,并分析了算法抗例外点干扰的能力.离群数据是远离其它数据的数据,网络中异常入侵数据的实质就是离群数据,因为异常入侵记录往往呈现小样本和多变性的特点,并且偏离正常网络连接记录.通过定义新的异构样本的相异性度量方法,提出了一种基于离群聚类无监督学习的异常入侵检测方法.仿真实验表明了方法的有效性和实用性,在总检测率方面优于文献中已有的其它方法.
入侵检测、异构属性数据、离群聚类算法
31
TP309(计算技术、计算机技术)
江南大学青年预演科研基金项目资助课题20106019
2009-06-19(万方平台首次上网日期,不代表论文的发表时间)
共4页
1227-1230