改进粗糙集属性约简结合K-means聚类的网络入侵检测方法

发布时间：2022-12-22 03:07

　　面对日益复杂的网络环境,传统入侵检测方法误报率高、检测效率低,且存在优化过程中准确性和可解释性相互矛盾等问题,因此提出一种结合改进粗糙集属性约简和K-means聚类的网络入侵检测（IRSAR-KCANID）方法。首先基于模糊粗糙集属性约简对数据集进行预处理,优化异常的入侵检测特征;再利用改进K-means聚类算法估计入侵范围阈值,并对网络特征进行分类;然后根据用于特征优化的线性规范相关性,从所选择的最优特征探索特征关联影响尺度以形成特征关联影响量表,完成对异常网络入侵的检测。实验结果表明,特征优化聚类后的最小化测量特征关联影响量表能在保证最大预测精度的前提下,最小化入侵检测过程的复杂度并缩短完成时间。 

【文章页数】：7 页

【文章目录】：
0 引言
1 基于改进粗糙集属性约简的数据集预处理
2 特征分析与影响尺度阈值估计方法
    2.1 K-means聚类及其改进
    2.2 入侵检测特征分析与特征关联影响尺度阈值估计
        2.2.1 入侵检测特征分析
        2.2.2 特征关联影响尺度阈值估计
    2.3 数据集特征相关性分析并聚类
3 特征关联影响量表的入侵检测
    3.1 理想性假设
    3.2 方法与步骤
4 实验结果与分析
5 结语


【参考文献】：
期刊论文
[1]基于图论的MANET入侵检测方法[J]. 张冰涛,王小鹏,王履程,张忠林,李延林,刘虎.  电子与信息学报. 2018(06)
[2]基于二次训练技术的入侵检测方法研究[J]. 李龙杰,于洋,白伸伸,侯元伟,郝永乐.  北京理工大学学报. 2017(12)
[3]基于路径与端址跳变的SDN网络主动防御技术[J]. 张连成,魏强,唐秀存,房家保.  计算机研究与发展. 2017(12)
[4]攻击图技术应用研究综述[J]. 叶子维,郭渊博,王宸东,琚安康.  通信学报. 2017(11)
[5]云计算环境下面向数据分布的K-means聚类算法[J]. 刘雪娟,袁家斌,操凤萍.  小型微型计算机系统. 2017(04)
[6]基于主机安全状态迁移模型的动态网络防御有效性评估[J]. 刘江,张红旗,杨英杰,王义功.  电子与信息学报. 2017(03)



本文编号：3723322