基于聚类和非对称自编码的低频攻击检测方法

发布时间：2023-03-05 01:05

　　针对传统网络入侵检测方法无法有效检测高维网络下的低频攻击问题,提出一种结合聚类方法与非对称堆叠去噪自动编码器(ASDA)进行改进的入侵检测方法。该方法首先利用非对称堆叠去噪自动编码器对网络入侵数据进行数据特征提取和降维的操作,将输出结果进行重构平衡。将平衡重构后的数据集作为输入,利用改进K均值和密度聚类(DBSCAN)相结合的聚类分析技术进行特征选择,将选择后的特征数据作为输入,利用浅层学习分类器随机森林(RF)进行分类识别。实验结果证明,该文方法与传统入侵检测方法相比,提升了高维网络下低频攻击的检测准确率及效率,同时降低了误报率。

【文章页数】：5 页

【文章目录】：
0 引言
1 改进的K均值与DBSCAN结合算法
2 KDBSCAN-ASDA入侵检测分类模型
    2.1 模型设计
    2.2 模型训练
3 实验结果与分析
    3.1 实验数据集预处理
    3.2 实验设计与分析
4 结语



本文编号：3755381