改进的聚类算法在网络异常行为检测中的应用

• 作者: 万良 李均涛 辛壮
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: K-means 最小生成树 网络异常行为 聚类 数据挖掘
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 安全与防范
• 页码范围: 111-116
• 页数: 6页
• 分类号: TP39
• 字数: 6243字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2019.03.024

摘要

网络异常行为检测是对大规模网络数据流量进行分析并发现入侵行为的一种方法.针对基于聚类的网络异常行为检测方法不能及时准确地选择初始聚类中心、无法有效地识别非球状簇等问题,提出一种改进的聚类算法应用在网络异常行为检测中.该方法使用最小生成树算法获得初始聚类中心,使用改进的K-means聚类算法区分异常行为与正常行为,通过距离比值判断聚类效果,提高了聚类效果的准确性.通过应用有监督学习的方式对聚类结果进行检测,结果表明,改进的聚类算法能够更好地识别初始聚类中心,并进行更加有效的聚类,能够更加准确地检测出网络异常行为.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	万良	贵州大学计算机科学与技术学院	37	125	6.0	8.0
2	李均涛	贵州财经大学信息学院	14	24	4.0	4.0
3	辛壮	贵州大学计算机科学与技术学院	4	13	2.0	3.0