文献类型：期刊文章

作　　者：王磊[1]

WANG Lei(Center of Information Development and Management,Soochow University,Suzhou Jiangsu 215006,China)

机构地区：[1]苏州大学信息化建设与管理中心,江苏苏州215006

出　　处：《计算机应用》

基　　金：国家自然科学基金青年科学基金资助项目(61802272)。

年　　份：2020

卷　　号：40

期　　号：7

起止页码：1996-2002

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：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。

关 键 词：网络异常检测 改进粗糙集属性约简  改进K-means聚类  相关性分析  特征关联尺度  

分 类 号：TP391]