基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
给出一种基于密度的局部离群点挖掘方法.采用KDD99数据集进行实验,对数据集中的41个属性提取特征,利用基于密度的聚类对统计处理过的数据集实行剪枝操作,剪除数据集中大部分密集的数据对象,保留未被剪除的候选离群对象集.采用局部离群挖掘方法计算离群候选对象的离群因子,检测出异常攻击.实验结果表明,该方法能保证较高的检测率和较低的误报率.
推荐文章
基于频繁模式的离群点挖掘在入侵检测中的应用
频繁模式
离群点
入侵检测
高维数据
离群点挖掘研究
离群点
数据挖掘
局部离群点
高维数据
数据流
基于聚类合并的局部离群点挖掘算法在入侵检测中的应用
入侵检测
数据挖掘
LDBSCAN-CM
局部离群点挖掘
聚类合并
基于频繁模式的离群点挖掘在入侵检测中的应用
频繁模式
离群点
入侵检测
高维数据
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于密度的离群点挖掘在入侵检测中的应用
来源期刊 计算机工程 学科 工学
关键词 入侵检测 异常检测 离群点挖掘 基于密度
年,卷(期) 2011,(18) 所属期刊栏目 工程应用技术与实现
研究方向 页码范围 240-242,245
页数 分类号 TP393.08
字数 4820字 语种 中文
DOI 10.3969/j.issn.1000-3428.2011.18.080
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 滕少华 广东工业大学计算机学院 121 825 15.0 20.0
2 张巍 广东工业大学计算机学院 62 412 11.0 15.0
3 闫少华 广东工业大学计算机学院 2 25 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (19)
共引文献  (20)
参考文献  (4)
节点文献
引证文献  (19)
同被引文献  (28)
二级引证文献  (32)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(3)
  • 参考文献(1)
  • 二级参考文献(2)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2012(2)
  • 引证文献(2)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(3)
  • 引证文献(3)
  • 二级引证文献(0)
2015(3)
  • 引证文献(3)
  • 二级引证文献(0)
2016(4)
  • 引证文献(2)
  • 二级引证文献(2)
2017(8)
  • 引证文献(4)
  • 二级引证文献(4)
2018(9)
  • 引证文献(2)
  • 二级引证文献(7)
2019(15)
  • 引证文献(1)
  • 二级引证文献(14)
2020(6)
  • 引证文献(1)
  • 二级引证文献(5)
研究主题发展历程
节点文献
入侵检测
异常检测
离群点挖掘
基于密度
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导