一種基于

DBI-PD

聚類算法的異常檢測機制

丁姝郁

【期刊名稱】

《電腦開發與應用》

【年

(

卷

),

期】

2015(000)002

【摘要】

分析了網絡數據維數和檢測準確度之間的關系，介紹了常用于入侵檢

測的聚類分析方法及其優缺點。在此基礎上，提出一種以戴維森堡丁指數

(

DBI

)為聚類準則、基于劃分和密度方法的聚類算法(

DBI-PD

)

。該方法通

過信息增益率(

IGR

)提取網絡數據中對檢測攻擊最有用的“特征”，并以

DBI

準則確定最優聚類個數、劃分和密度兩種聚類分析方法結合使用用于異常

檢測。提出的基于

DBI-PD

的異常檢測機制能有效避免聚類分析在入侵檢測中

的“維數災難”問題、避免無用數據特征干擾，還能改善聚類質量，從而提高

檢測準確度。

%In?this?paper,?the?relationship?between?the?dimensions?of

network

data

and

the

detection

accuracy

is

analyzed.

In

addition,

this

paper

introduces

clustering

analysis

methods

which

are

often

used

in

intrusion

detection

and

compare

their

advantages

and

disadvantages.

On?the?basis?of?that,?this?paper?proposes?a?partition?and?density-based

clustering

algorithm

used

Davies-Bouldin

Index

(DBI-PD).

DBI-PD

method?firstly?selects?the?most?related?features?for?detection?in?network

data

using

information

gain

ratio

(IGR),

then

determines

the

optimal

number?of?clusters?based?on?DBI,?and?finally?combines?the?partition?and

density

clustering

methods

to

detect.

The

DBI-PD

based

anomaly

detection

scheme

proposed

in

this

paper

can

effectively

avoid

the

總結

以上是生活随笔為你收集整理的聚类dbi指数_一种基于DBI-PD聚类算法的异常检测机制的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。