基于离群聚类的异常入侵检测研究

摘要：

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.

关键词：入侵检测、异构属性数据、离群聚类算法

所属期刊栏目：31

分类号：TP309(计算技术、计算机技术)

资助基金：江南大学青年预演科研基金项目资助课题20106019

在线出版日期：2009-06-19（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：1227-1230