基于随机森林和加权K均值聚类的网络入侵检测系统

• 作者: 任晓芳 秦健勇 赵德群
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: 入侵检测系统 随机森林 加权K-均值聚类 误用检测 异常检测
• 年，卷（期）: 2016,（7）
• 所属期刊栏目: 基金项目
• 页码范围: 21-24
• 页数: 4页
• 分类号: TP393
• 字数: 4119字
• 语种: 中文

摘要

目前,许多误用检测系统无法检测未知攻击,而异常检测系统虽然能够精确检测未知攻击,但具有较高的误报警率.为此,提出了一种基于随机森林和加权K均值聚类算法的混合入侵检测系统.首先,利用随机森林算法从训练集中建立入侵模型,构建误用检测模型,通过网络连接的特征匹配来检测已知攻击.然后,利用加权K均值算法构建异常检测模块,根据随机森林算法获得的特征,将不确定性攻击的网络连接数据进行聚类,进而实现未知攻击的检测.在KDD'99数据库中的实验表明,该系统具有较高的检测率和较低的误报警率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任晓芳	新疆工学院计算机工程系	1	10	1.0	1.0
2	赵德群	新疆工学院计算机工程系	1	10	1.0	1.0
3	秦健勇	新疆工学院计算机工程系	1	10	1.0	1.0