APP下载

数据清洗下的改进半监督聚类入侵检测算法研究

2017-05-09周志平陈晓洁

武夷学院学报 2017年3期
关键词:监督检测

周志平,陈晓洁

(龙岩学院信息工程学院,福建龙岩364000)

数据清洗下的改进半监督聚类入侵检测算法研究

周志平,陈晓洁

(龙岩学院信息工程学院,福建龙岩364000)

针对半监督聚类算法易受噪点的影响,提出一种基于数据清洗的改进半监督聚类算法DCSC。将噪点从数据集中提取出来另行分析。从数据清洗处理后的数据集中抽取若干正常与异常样本分别计算作为初始样本辅助K-Means算法进行聚类。实验结果表明,与现有相关算法相比,该算法具有检测未知攻击的能力,且具有更高的攻击检测率以及更低的误报率。

数据清洗;半监督聚类;入侵检测

计算机网络已融入到人类社会的方方面面,随着网络的快速发展,网络攻击技术和手段也日趋复杂多样,网络安全问题日渐突出。入侵检测是指通过分析网络或者系统中的数据,发现是否存在异常并生产报警信息的过程。入侵检测作为一种有效的网络安全防御技术,引起国内外学者的广泛关注。传统的入侵检测系统(intrusion detection system,IDS)采用模式匹配的方法,从网络或者系统的数据中提取特征并与攻击特征库中的攻击特征进行匹配来识别入侵行为。随着网络技术的发展,基于专家提供的攻击特征库构建越来越困难,使得这种方法存在大量的错报或虚报的情况,并且对于未定义的新型攻击特征无法检测。将数据挖掘技术引入入侵检测中[1],可以大大改善入侵检测系统建模过程中人为以及不定因素的影响。……

登录APP查看全文

猜你喜欢

监督检测
突出“四个注重” 预算监督显实效
监督见成效 旧貌换新颜
夯实监督之基
小波变换在PCB缺陷检测中的应用
绩效监督:从“管住”到“管好”
监督宜“补”不宜“比”
人大监督不能总是“心太软”