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

• 作者: 张健博 梅孝辉 龙渊
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 入侵检测 数据挖掘 LDBSCAN-CM 局部离群点挖掘 聚类合并
• 年，卷（期）: 2015,（8）
• 所属期刊栏目: 信息安全
• 页码范围: 67-70
• 页数: 4页
• 分类号: TP393
• 字数: 3476字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2015.08.013

摘要

针对网络安全数据的高维度特征问题，传统的基于聚类的检测算法不能有效发现网络数据中入侵行为细节。本文提出一种改进的DBSCAN离群点挖掘算法LDBSCAN-CM，首先在传统DBSCAN算法中引入局部离群点挖掘概念，计算候选对象的局部离群因子，生成若干个聚类；其次，为了提高挖掘效率，在聚类结果的基础上，进行聚类合并；最后，采用KDD Cup99数据集对改进算法在入侵检测中的应用进行仿真实验。实验结果表明，改进算法LDBSCAN-CM能保证较高的检测率和较低的误检率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梅孝辉	重庆大学计算机学院	1	5	1.0	1.0
2	龙渊	重庆大学计算机学院	3	6	1.0	2.0
3	张健博	重庆大学计算机学院	3	6	1.0	2.0