首页|一种基于聚类的异常入侵检测方法

一种基于聚类的异常入侵检测方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
传统的K均值聚类算法采用欧式距离计算样本间的相似度,由于未考虑不同样本属性对于衡量样本间距离区分度的重要性,导致相似度计算不准确,聚类性能较差.提出了一种改进的K均值聚类算法,通过计算每个属性相对于聚类类别的信息增益率,将信息增益率作为属性权重计算加权欧式距离,使对类别区分度贡献较大的属性拥有较大的权重,以提高样本间的相似性度量的准确性.在经典的入侵检测数据集UCI KDD CUP上的实验结果证明,与传统的基于K均值的入侵检测方法相比,此方法能够有效地提高检测准确率.
A Clustering Method for Anomaly Intrusion Detection

刘凤珠、龚勋

展开 >

四川大学计算机学院,四川成都610065

入侵检测 聚类 信息增益率 加权欧式距离 KDD CUP数据集

国家自然科学基金

61173159

2013

计算机安全
信息产业部基础产品发展研究中心

计算机安全

影响因子：0.336
ISSN：1671-0428
年,卷(期)：2013.(8)
  • 2