基于最小生成树改进K-means聚类的网络入侵检测技术

作     者：王红 陈功平 WANG Hong CHEN Gongping

作者机构：六安职业技术学院安徽六安237158 

基　　金：2021年教育部科技发展中心中国高校产学研创新资金:新一代信息技术创新项目“智慧校园网络空间测绘研究”(2021ITA07016) 2019年度安徽省教育厅高校学科(专业)拔尖人才学术资助项目(GXBJZD74) 2019年度安徽省教育厅高校自然科学研究重点项目“基于SNMP的中小型企业网故障管理模型研究”(KJ2019A1065) 2019年度安徽省教育厅高等学校省级质量工程项目“VR虚拟现实创新教学实训中心”(2019XFZX04) 

出 版 物：《重庆科技学院学报（自然科学版）》 (Journal of Chongqing University of Science and Technology：Natural Sciences Edition)

年 卷 期：2022年第24卷第6期

页      码：38-41页

摘      要：针对网络入侵检测技术存在的问题,设计了一种基于最小生成树改进K-means聚类的网络入侵检测技术。利用最小生成树改进K-means聚类算法,对入侵检测数据进行预处理,设计不同密度的聚类筛选过程,去除冗余数据。构建网络入侵检测模型,将字符型特征转化为数值型数据,优化入侵检测流程,以实现网络入侵检测。实验结果表明,与传统网络入侵检测技术相比,本技术的性能更优,检测效果更好。

主 题 词：K-means聚类 字符转换 最小生成树 密度聚类筛选 入侵检测 

学科分类：08[工学] 0802[工学-机械学] 0835[0835] 080201[080201] 

D　O　I：10.3969/j.issn.1673-1980.2022.06.009

馆 藏 号：203117859...