基于Krylov子空间方法的网络入侵数据聚类

• 作者: 吴水明 张苏宁 景栋盛 王月娟
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: Krylov子空间方法 高维聚类 入侵检测系统 遗传算法 K-means算法 信息安全
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 信息安全
• 页码范围: 121-126
• 页数: 6页
• 分类号: TP309
• 字数: 6270字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2019.10.023

摘要

网络信息安全中的数据具有维数高、规模复杂等特性.网络入侵检测需要对网络入侵信息进行合理的分析,筛选出危险的带有攻击性的行为.随着数据维数的不断升高,传统的基于距离的聚类分析方法不再适用.针对此,本文提出一种基于Krylov子空间方法的高维数据聚类分析算法,首先将高维数据投影到低维空间,实现数据的降维,再用基于遗传算法的K-means算法在低维空间中进行数据的聚类,避免了数据属性的丢失,同时也提高了高维数据聚类分析的效率.最后,使用KDD Cup 99数据进行实验,实验验证了方法的有效性和精确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	景栋盛		5	2	1.0	1.0
2	王月娟		2	1	1.0	1.0
3	张苏宁		2	1	1.0	1.0
4	吴水明		2	1	1.0	1.0