作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
网络攻击聚类是面向无标签数据场景的重要分类技术.在实际应用环境中,存在大量未标记的网络数据.通过设计聚类算法,可以有效的对这类数据的安全性进行无监督检测,t-SNE算法可以同时考虑数据的全局关系和局部关系,根据此特点本文选用该算法对网络攻击行为进行检测.为了适应于t-SNE算法,本文提出了一种适应的数据预处理方案.进行了基于一个公开网络攻击数据集的仿真实验,比较了t-SNE算法与主成份分析(PCA)和自动编码(auto-encoder)的性能差距.实验表明,t-SNE算法具有较好的网络攻击行为的聚类效果.
推荐文章
基于t-SNE卷积编码的图像检索方法
图像检索
特征提取
卷积神经网络
降维
改进的加权t-SNE算法及在故障诊断中的应用
故障诊断
加权t-SNE
Manhattan距离
核密度估计
自适应加权t-SNE算法及其在脑网络状态观测矩阵降维中的应用研究
高维降维算法
t-SNE
自适应加权
脑状态观测矩阵
静息态fMRI
t-SNE+LDA算法在仿生嗅觉中的应用研究
t-SNE+LDA算法
流形学习
仿生嗅觉
纺织品材料
特征提取
气味识别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于t-SNE的网络攻击流量无监督聚类方法
来源期刊 网络新媒体技术 学科
关键词 t-SNE 聚类分析 无监督检测
年,卷(期) 2020,(6) 所属期刊栏目
研究方向 页码范围 26-30,44
页数 6页 分类号
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (19)
共引文献  (3)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(4)
  • 参考文献(1)
  • 二级参考文献(3)
2015(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(4)
  • 参考文献(0)
  • 二级参考文献(4)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
t-SNE
聚类分析
无监督检测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
网络新媒体技术
双月刊
2095-347X
10-1055/TP
大16开
北京海淀区北四环西路21号
2-304
1980
chi
出版文献量(篇)
3082
总下载数(次)
5
论文1v1指导