10.3969/j.issn.1006-2475.2014.11.006
基于模拟退火和半监督聚类的入侵检测方法
由于缺少监督数据,传统的基于聚类算法的入侵检测系统存在误报率高、检测率低等问题。针对这种情况,提出基于模拟退火和半监督K均值聚类的入侵检测方法。该方法首先利用少量标记入侵类型的网络数据改进聚类初始化过程,在K均值聚类算法中引入半监督学习,然后利用模拟退火算法跳出局部极值的能力与半监督K均值聚类算法结合以得到全局最优聚类,最后根据标记数据确定聚类类别,并应用于入侵行为的检测。基于KDDCUP99的对比实验表明,该方法利用监督数据和模拟退火算法改进了聚类算法,能够有效提高入侵检测的准确率。
入侵检测、半监督K均值聚类、模拟退火
TP393.08(计算技术、计算机技术)
山东省高等学校科技计划项目J14LN12;山东省高校证据鉴识重点实验室山东政法学院开放课题KFKTSUPL-201407
2014-12-23(万方平台首次上网日期,不代表论文的发表时间)
共4页
27-30