提出一种基于多重聚类的网络攻击检测模型(Multi-clustering based network attack detection model,MBNADM).首先,采用改进空间聚类算法(Improved spatial clustering,ISC)进行空间聚类;其次,采用改进密度聚类算法(Improved density ba...提出一种基于多重聚类的网络攻击检测模型(Multi-clustering based network attack detection model,MBNADM).首先,采用改进空间聚类算法(Improved spatial clustering,ISC)进行空间聚类;其次,采用改进密度聚类算法(Improved density based clustering,IDBC)对空间数据集进行细粒度的二次聚合分类并对k值进行设定;最后,采用改进证据累积聚类算法(Improved evidence accumulation clustering,IEAC)计算各个孤立点与类簇质心的相异距离值,运用矩阵聚类算法计算检测阈值并判定网络中的攻击行为.通过基于KDD99数据集的攻击检测实验和与不同方法的检测对比实验证明了MBNADM具有较高的检测率和较低的误报率.展开更多
文摘提出一种基于多重聚类的网络攻击检测模型(Multi-clustering based network attack detection model,MBNADM).首先,采用改进空间聚类算法(Improved spatial clustering,ISC)进行空间聚类;其次,采用改进密度聚类算法(Improved density based clustering,IDBC)对空间数据集进行细粒度的二次聚合分类并对k值进行设定;最后,采用改进证据累积聚类算法(Improved evidence accumulation clustering,IEAC)计算各个孤立点与类簇质心的相异距离值,运用矩阵聚类算法计算检测阈值并判定网络中的攻击行为.通过基于KDD99数据集的攻击检测实验和与不同方法的检测对比实验证明了MBNADM具有较高的检测率和较低的误报率.
