基于大数据的K-means聚类算法在网络安全检测中的应用

• 作者: 王敏 郑志娴
• 来源期刊: 湖北第二师范学院学报
• 学科: 工学
• 关键词: 大数据 网络安全检测 K-means聚类算法
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 应用学科研究
• 页码范围: 36-40
• 页数: 5页
• 分类号: TP311
• 字数: 4074字
• 语种: 中文

摘要

随着云时代的到来,大数据的应用受到了越来越多的关注.大数据的核心在于挖掘数据中蕴藏的价值链,为决策提供可借鉴参考.聚类算法是数据挖掘的一种归类方法,K-means则是基于划分的聚类方法.在网络安全检测中,应用K-means建立网络异常检测模型,可有效提高大数据环境下集中选取数据准确性的能力,控制检测误报率,缩短网络异常数据选取时间.但是,传统的K-means聚类算法在数据类型预处理、初始中心选取和K值确定等方面存在不确定性,导致对入侵检测的效率降低.本文提出一种改进的K-means算法,并通过利用KDDCup99数据集进行仿真实验,证明改进后的K-Means算法的检测准确率与检测效率要优于传统算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王敏	福建船政交通职业学院信息工程系	11	22	3.0	4.0
2	郑志娴	福建船政交通职业学院信息工程系	15	37	3.0	5.0