融合K-均值聚类、FNN、SVM的网络入侵检测模型

• 作者: 熊琭 邬斌亮
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 入侵检测模型 K-均值聚类 模糊神经网络 支持向量机 数据挖掘
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 安全技术
• 页码范围: 312-315
• 页数: 4页
• 分类号: TP399
• 字数: 3747字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2014.05.079

摘要

针对传统的入侵检测模型IDM（Intrusion Detection System）不能检测最新的入侵手段且系统的特征数据库需要频繁更新的问题，提出融合K-均值聚类、模糊神经网络和支持向量机等数据挖掘技术来构建IDM。首先，利用K-均值聚类将原始的训练集划分为不同的训练子集；然后，基于各训练子集训练各自的模糊神经网络模型，并通过模糊神经网络模型生成支持向量机的支持向量；最后，采用径向支持向量机检测入侵行为是否发生。在KDD CUP 1999数据集上的实验验证了所提模型的有效性及可靠性。实验结果表明，相比其他几种较为先进的检测方法，所提模型在入侵检测方面取得了更高的检测精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	熊琭		5	11	2.0	3.0
2	邬斌亮		3	34	2.0	3.0