基于改进K均值算法的入侵检测系统设计

• 作者: 候向宁 刘华春 杨忠
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 数据挖掘 入侵检测 聚类算法 异常检测
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 安 全 与 防 范
• 页码范围: 101-105
• 页数: 5页
• 分类号: TP393.08
• 字数: 5429字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2016.01.021

摘要

传统的入侵检测系统是将规则库与网络数据包逐一匹配，进行检测，当网络数据量巨增时，检测效率显著降低，甚至面临不能即时检测的巨大挑战。数据挖掘是从海量的数据中挖掘发现需要的各种有价值信息的技术，入侵检测系统中植入数据挖掘技术，将极大提高入侵检测系统的检测效率和智能性。研究了数据挖掘中 K - means 聚类算法应用于入侵检测领域中的难点问题。 K - means 算法具有易受初始 K 值和孤立点影响，难以确定 K 值，对初始质心依赖程度高等不足问题。针对上述缺点，提出了改进的 K - means 聚类算法。设计了基于改进 K - means 的入侵检测系统并进行了实验。结果表明，将改进的聚类算法应用于入侵检测可显著提高异常检测效率；可自适应地建立入侵检测异常模式库；对未知的入侵攻击能有效防范；能进一步降低误检率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘华春	成都理工大学工程技术学院	31	167	7.0	12.0
2	杨忠	成都理工大学工程技术学院	17	60	4.0	7.0
3	候向宁	成都理工大学工程技术学院	1	16	1.0	1.0