基于改进K均值聚类的入侵检测算法研究

• 作者: 何明亮 陈泽茂 黄相静
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 入侵检测 数据挖掘 k-means算法 聚类分析 规则库
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 信息处理与网络安全
• 页码范围: 1145-1149
• 页数: 5页
• 分类号: TP393
• 字数: 4418字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2017.06.028

摘要

为解决现有入侵检测系统规则库维护管理复杂,系统检测效率不足等问题,设计了一种基于改进K均值聚类的规则挖掘算法.首先针对传统k-means算法聚类数目不确定的问题,通过分析聚类数目与簇间距离、簇内距离的关系,引入动态函数确定最佳聚类数目;然后通过寻找数据密集区域避开离群点,优化了初始聚类中心的选择,提高了算法效率.采用改进k-means聚类的入侵规则挖掘算法能够快速有效的对大数据集进行聚类分析,解决了传统入侵检测系统规则库维护复杂、难于检测未知攻击等问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈泽茂	海军工程大学信息安全系	42	202	7.0	11.0
2	何明亮	海军工程大学信息安全系	3	24	3.0	3.0