基于改进密度聚类的异常检测算法

摘要：

提出一种基于改进密度聚类的异常检测算法(ADIDC),通过在各特征列上分别进行密度聚类,并根据各特征对正常轮廓的支持度进行特征加权,解决了聚类分析方法在异常检测应用中误报率较高的问题.通过大量基于异常检测数据集 KDD Cup 1999的实验表明,其相对于传统异常检测方法在保证较高检测率的前提下,有效地降低了误报率,对某些与正常行为相近的特殊攻击检测率明显提高.同时利用特征权值进行特征筛选提高了其检测性能和效率,更适应实时检测要求.

关键词：入侵检测、异常检测、聚类、密度聚类、特征加权

所属期刊栏目：47

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金60873235;吉林省重点项目基金20080318;教育部新世纪优秀人才支持计划项目基金NCET-06-0300;吉林大学"985工程"研究生创新基金20080244

在线出版日期：2009-11-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：954-960