改进K中心点算法在入侵检测的应用

魏明军，田 昆

(华北理工大学，河北 唐山 063000)

改进K中心点算法在入侵检测的应用

魏明军，田 昆

(华北理工大学，河北 唐山 063000)

传统K中心点算法虽然改进了K均值算法对噪声和孤立点数据敏感的不足，但是仍存在着初始聚类中心和聚类个数k难以确定的问题，因此，针对算法存在的问题，提出一种基于密度的改进K中心点算法。该算法会根据数据集数据的分布情况自主确定聚类个数k和k个聚类中心点。最后，通过在入侵检测领域KDD Cup99数据集上实验测试表明，改进K中心点算法不仅能够自动形成k个聚类，而且具有较高的入侵检测率和较低的漏报率，聚类和入侵检测的效果均优于传统的K中心点算法。

入侵检测；K中心点算法；改进K中心点算法；聚类分析

入侵检测作为一种有别于防火墙的安全技术，能够提供对来自外部和内部攻击的实时监控。然而，传统的两种入侵检测技术误用检测和异常检测，在入侵检测性能的两个评价指标误检率和检测率上各有长短，前者的特点是误检率低但检测率低，不能检测新型的未知攻击，后者正好相反，特点是检测率高但误检率高，它能够检测出新型的攻击，适应性好，但是存在高误检率问题。

聚类分析是数据挖掘中常用的一种无监督的学习方法，它依据数据内部的潜在关联将数据集中的数据依据相似性划分成不同的分类，同一分类中的数据之间具有较高的相似度，不同分类的数据之间有较大的差异性，这一点正满足了入侵检测中异常检测的需要。……