基于增量KNN模型的分布式入侵检测架构

• 作者: 郭躬德 陈黎飞 黄杰
• 来源期刊: 微计算机应用
• 学科: 工学
• 关键词: 入侵检测系统 增量学习 并行计算 KNN模型
• 年，卷（期）: 2009,（11）
• 所属期刊栏目: 网络与通信
• 页码范围: 28-33
• 页数: 6页
• 分类号: TP3
• 字数: 4285字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-347X.2009.11.006

摘要

网络异常检测技术是网络安全领域的热点问题.目前存在的异常检测算法大多属于静态分类算法,并未充分考虑到实际应用领域中海量数据不断增加的问题.本文提出了一种基于增量KNN模型的分布式入侵检测架构,它首先将少量的训练集均匀分配到各个节点上建立初始KNN模型,然后再将新增的数据分割成小块数据交由各个节点并行地进行增量学习,即对各节点的原有模型进行调整、优化,最后通过模型融合得到较为鲁捧的检测效果,在KDD CUP'99数据集上的实验结果验证了本方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈黎飞	福建师范大学数学与计算机科学学院	42	344	9.0	17.0
2	郭躬德	福建师范大学网络安全与密码技术重点实验室	74	600	12.0	22.0
3	黄杰	福建师范大学数学与计算机科学学院	6	63	2.0	6.0