一种基于半监督GHSOM的入侵检测方法

• 作者: 杨雅辉 沈晴霓 阳时来 黄海珍
• 来源期刊: 计算机研究与发展
• 学科: 工学
• 关键词: 入侵检测 半监督 生长型分层自组织映射 聚类 信息熵
• 年，卷（期）: 2013,（11）
• 所属期刊栏目: 信息安全
• 页码范围: 2375-2382
• 页数: 8页
• 分类号: TP393.08
• 字数: 7524字
• 语种: 中文

摘要

基于神经网络的入侵检测方法是入侵检测技术的一个重要发展方向.在已有无监督生长型分层自组织映射(growing hierarchical self-organizing maps,GHSOM)神经网络算法的基础上,提出了一种半监督GHSOM算法.该算法利用少量有标签的数据指导大规模无标签数据的聚类过程.一方面借鉴cop-kmeans半监督机制,解决了原始算法中返回空划分的问题,并将其应用到GHSOM算法中.另一方面提出了神经元信息熵的概念作为子网生长的判断条件,提高了GHSOM网络子网划分的精度.此外还利用有标签的数据自动确定聚类结果的入侵类型.对KDD Cup 1999数据集和LAN环境下模拟产生的数据集进行的入侵检测实验表明:相比于无监督的GHSOM算法,半监督的GHSOM算法对各种类型的攻击具有较高的检测率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沈晴霓	北京大学软件与微电子学院	20	249	9.0	15.0
2	杨雅辉	北京大学软件与微电子学院	19	236	8.0	15.0
3	阳时来	北京大学软件与微电子学院	1	38	1.0	1.0
4	黄海珍	北京大学软件与微电子学院	2	43	2.0	2.0