基于智能蝙蝠算法的异常数据检测方法

• 作者: 孙远 廖小平
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 蝙蝠算法 智能蝙蝠算法 K-means 异常数据检测 聚类准确率
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 62-67
• 页数: 6页
• 分类号: TP393.08
• 字数: 5086字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2019.03.012

摘要

随着大数据应用的普及,网络攻击日益严重并已成为主要的网络安全问题.针对大数据环境下的网络攻击检测问题,设计一种融合聚类和智能蝙蝠算法(DEBA)的网络攻击检测系统.该系统将K-means算法与蝙蝠算法相结合进行数据流分类,实现了对异常数据的高效检测.实验结果显示,该系统的聚类准确率、算法耗时和误报率方面明显优于基于传统蝙蝠算法的K-means算法和单独K-means算法的网络异常数据检测方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	廖小平	河海大学计算机与信息学院	13	60	4.0	7.0
2	孙远	河海大学计算机与信息学院	2	0	0.0	0.0