改进的KNN分类异常点检测方法

• 作者: 朱林杰 赵广鹏 康亮河
• 来源期刊: 甘肃科技纵横
• 学科: 工学
• 关键词: 特征选择 孤立森林算法 NSL-KDD
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 信息技术
• 页码范围: 8-11
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1672-6375.2022.01.003

摘要

针对入侵检测中异常点误报率较高的问题,提出了改进KNN与异常点检测算法相结合来处理数据的方法,以降低入侵检测误报率.该方法首先采用卡方特征选择方法进行数据特征选择,其次采用孤立森林、距离、局部异常因子(IDL)结合查找出异常点,然后使用SMOTE平衡数据,使得所有的样本达到一个类平衡状态,再采用KNN分类.最后采用公开数据集NSL-KDD进行对于改进KNN异常点检测方法的有效性验证.实验结果表明,采用改进的KNN分类异常点检测方法进行检测,降低了误报率.