基于改进的K-Means算法入侵检测框架 |
| |
引用本文: | 李蓉,周维柏.基于改进的K-Means算法入侵检测框架[J].实验室研究与探索,2014(3):110-114. |
| |
作者姓名: | 李蓉 周维柏 |
| |
作者单位: | 华南师范大学增城学院; |
| |
基金项目: | 广东省自然科学基金项目(S2011010003442) |
| |
摘 要: | 针对现有网络入侵检测系统存在虚警和报警信息数量大等问题,提出一种改进的K-Means分群算法。该算法针对网络流量中的数据,首先利用改进的KMeans分群算法调整群中心的位置以寻找最佳群中心,让数据资料更加适合分群。接着运用差分算法,寻找出最适合的分群组数与最佳的分群结果。在检测时利用样本与各群间距离来识别是否属于异常或正常群组。仿真实验表明,该算法分群准确率高,误判率低,有效地提高系统的性能。
|
关 键 词: | 网络安全 入侵检测系统 K-Means 差分算法 |
A Distributed Intrusion Detection Framework Based on Improved K-Means Algorithm |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
|