基于k-means和决策树的混合入侵检测算法

• 作者: 周文欢 李鹏
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: k-means 决策树 入侵检测 数据离散化
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 12-16
• 页数: 5页
• 分类号: TP391.4
• 字数: 5069字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2017.12.003

摘要

随着网络复杂度的增加,传统的入侵检测方法已经无法满足日益增长的安全需求.采用大数据的挖掘算法提高入侵检测的检测率是当前研究的热点.为此,本文提出一种基于k-means和决策树算法的混合入侵检测算法(KDI).该算法首先对数据预处理的离散化方法进行改进,获取高质量样本数据,并根据现实中易出现类别信息增益比差异小的特点,利用k-means算法根据增益比差异将样本数据先分类再建立决策树,提升了算法的检测率.实验结果表明KDI算法能够有效地检测网络数据中隐合的已知和未知的入侵行为.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李鹏		8	22	3.0	4.0
2	周文欢		2	4	1.0	2.0