針對(duì)傳統(tǒng)網(wǎng)絡(luò)入侵檢測(cè)方法無(wú)法有效檢測(cè)高維網(wǎng)絡(luò)下的低頻攻擊問(wèn)題,提出一種結(jié)合聚類方法與非對(duì)稱堆疊去噪自動(dòng)編碼器(ASDA)進(jìn)行改進(jìn)的入侵檢測(cè)方法。該方法首先利用非對(duì)稱堆疊去噪自動(dòng)編碼器對(duì)網(wǎng)絡(luò)入侵?jǐn)?shù)據(jù)進(jìn)行數(shù)據(jù)特征提取和降維的操作,將輸出結(jié)果進(jìn)行重構(gòu)平衡。將平衡重構(gòu)后的數(shù)據(jù)集作為輸入,利用改進(jìn)K均值和密度聚類(DBSCAN)相結(jié)合的聚類分析技術(shù)進(jìn)行特征選擇,將選擇后的特征數(shù)據(jù)作為輸入,利用淺層學(xué)習(xí)分類器隨機(jī)森林(RF)進(jìn)行分類識(shí)別。實(shí)驗(yàn)結(jié)果證明,該文方法與傳統(tǒng)入侵檢測(cè)方法相比,提升了高維網(wǎng)絡(luò)下低頻攻擊的檢測(cè)準(zhǔn)確率及效率,同時(shí)降低了誤報(bào)率。

【文章頁(yè)數(shù)】：5 頁(yè)

【文章目錄】：
0 引言
1 改進(jìn)的K均值與DBSCAN結(jié)合算法
2 KDBSCAN-ASDA入侵檢測(cè)分類模型
    2.1 模型設(shè)計(jì)
    2.2 模型訓(xùn)練
3 實(shí)驗(yàn)結(jié)果與分析
    3.1 實(shí)驗(yàn)數(shù)據(jù)集預(yù)處理
    3.2 實(shí)驗(yàn)設(shè)計(jì)與分析
4 結(jié)語(yǔ)



本文編號(hào)：3755381