基于特征分组聚类的异常入侵检测系统研究

• 作者: 何发镁 冯安然 王旭仁 马慧珍
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 入侵检测 网络数据 K-means算法 决策树 数据降维
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 网络空间安全
• 页码范围: 123-128,134
• 页数: 7页
• 分类号: TP391
• 字数: 5216字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0054476

摘要

利用网络连接数据可以按照连接的基本特征、内容特征、网络流量特征和主机流量特征进行分组的特点,基于K-means算法,提出一种按照特征分组进行聚类的方法,以高效实现特征约简和数据降维.通过调整聚类参数保留特征分组内的差异信息,使用决策树C4.5算法对降维后的数据进行入侵分类处理.实验结果表明,该方法能够使kddcup99数据集的聚类特征数由41个降为4个,且对网络连接数据的总检测率为99.73％,误检率为0,其中正常网络连接和刺探攻击Probe的检测率均为100％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王旭仁	中国科学院信息工程研究所中国科学院网络测评技术重点实验室	44	357	12.0	16.0
3	马慧珍	中国科学院信息工程研究所中国科学院网络测评技术重点实验室	1	0	0.0	0.0
9	冯安然	中国科学院信息工程研究所中国科学院网络测评技术重点实验室	1	0	0.0	0.0