基于改进的K均值聚类算法的网络入侵检测技术研究

摘要：

　　针对日益增多的网络安全威胁，以及目前网络入侵检测系统的发展现状，本文提出了一种基于聚类算法的异常入侵检测模型。针对K-means算法对聚类初始中心的依赖、距离计算的复杂性比较大等缺点，提出了一种改进算法，该算法汲取了K-medoids轮换法和改进的三角形三边关系定理等具有的优点。通过实验证明，把改进后的算法应用于网络入侵检测系统中，可以大幅度提高数据分类的准确性和检测效率。在KDD CUP 1999上的仿真实验结果表明，该算法实现预期效果，具有高检测率和高效率。

关键词： 网络入侵检测系统 聚类算法 数据分类 仿真实验

作者: LI Tian 李天

作者单位: College of Computer Science and Technology,North China Electric Power University,Baoding 071003 华北电力大学计算机科学与技术学院,保定,071003

会议类型: 国内会议

会议名称: 第20届全国计算机新科技与计算机教育学术大会

会议地点: 昆明

会议语种:中文

页码: 464-468

在线出版日期: 2009-08-02（万方平台首次上网日期，不代表论文的发表时间）