基于模糊C均值算法的网络入侵行为检测方法

摘要：

常规的网络入侵行为检测模型对入侵源的识别方式多为定向,无法对异常位置进行精准标记,增大了误检率,因此提出基于模糊C均值算法的网络入侵行为检测方法.首先,结合网络运行现状,确定入侵特征子集,根据检测位置的变化布设相应的入侵检测节点,再利用各个未知设定的节点识别入侵源.其次,分层级进行多维异常标记与定义.最后,融合模糊C均值算法构建网络入侵行为检测模型,营造稳定、可靠的检测环境,并采用模糊拐点修正的方式实现入侵行为检测.测试结果表明,对比于传统深度分层网络入侵检测小组、传统数据挖掘网络入侵行为检测小组,本文所设计的模糊C均值算法网络入侵行为检测小组最终得出的误检率相对较低,较好地控制在20％以下,表明在针对入侵行为检测的过程中,对异常位置的标记更精准,检测偏差较小,针对性更强,具有实际的应用价值.

关键词：模糊C均值、网络数据、网络入侵、检测方法

所属期刊栏目：34

分类号：TP393.08(计算技术、计算机技术)

在线出版日期：2023-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：81-83