基于k近邻密度峰值聚类混合算法的网络入侵检测

• 作者: 王志勇
• 来源期刊: 自动化技术与应用
• 学科: 工学
• 关键词: 网络检测 入侵攻击 密度峰值聚类 k近邻算法
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 计算机应用
• 页码范围: 48-52
• 页数: 5页
• 分类号: TP393.08
• 字数: 4325字
• 语种: 中文

摘要

由于传统的入侵检测系统无法识别新型网络入侵问题,在k近邻(KNN)算法和密度峰值聚类(DPC)算法的基础上,提出了一种基于k近邻的密度峰值聚类混合学习算法(DPNN),将DPC用于训练,KNN用于分类,结合KDD-CUP 99数据集作为入侵检测中的标准数据集,并利用DPNN在入侵检测中找到更准确和高效的分类器.实验结果表明,DPNN优于支持向量机(SVM)、k近邻(KNN)等多种机器学习方法,它能够有效地检测入侵攻击并具有良好的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王志勇		4	4	1.0	2.0