基于模糊核聚类和主动学习的异常检测方法

• 作者: 吕宗平 时熙然 顾兆军
• 来源期刊: 现代电子技术
• 关键词: 异常检测 模糊核聚类 主动学习 日志解析 聚类分析 性能对比
• 年，卷（期）: 2019,（20）
• 所属期刊栏目: 计算机科学与应用
• 页码范围: 53-57,63
• 页数: 6页
• 分类号: TN911.23-34|TP301.6
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2019.20.014

摘要

针对日志数据的异常检测获取标记数据代价过高的问题,提出一种基于模糊核聚类与主动学习的算法,即KFCM-AL算法.首先将日志解析,之后利用模糊核聚类算法将待选样本在高维空间进行划分聚类,滤去样本冗余点,同时选取聚类中心进行标记构建初始分类器,最后结合主动学习利用较小的标记代价对异常检测模型进行优化.实验结果表明,所提方法能够利用较少的标记样本获取异常检测模型的性能提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	顾兆军	中国民航大学信息安全测评中心	57	250	8.0	12.0
5	吕宗平	中国民航大学信息安全测评中心	25	153	8.0	11.0
6	时熙然	中国民航大学信息安全测评中心	1	0	0.0	0.0