基于特征分组聚类的异常入侵检测系统研究
来源：计算机工程杂志2020年第4期北京时间：
作者：何发镁, 马慧珍, 王旭仁, 冯安然
单位：1. 北京理工大学 图书馆, 北京 100081;2. 中国科学院信息工程研究所 中国科学院网络测评技术重点实验室, 北京 100093;3. 首都师范大学 信息工程学院, 北京 100048
摘要：利用网络连接数据可以按照连接的基本特征、内容特征、网络流量特征和主机流量特征进行分组的特点，基于K-means算法，提出一种按照特征分组进行聚类的方法，以高效实现特征约简和数据降维。通过调整聚类参数保留特征分组内的差异信息，使用决策树C4.5算法对降维后的数据进行入侵分类处理。实验结果表明，该方法能够使kddcup99数据集的聚类特征数由41个降为4个，且对网络连接数据的总检测率为99.73%，误检率为0，其中正常网络连接和刺探攻击Probe的检测率均为100%。
关键词：入侵检测,网络数据,K-means算法,决策树,数据降维
基金资助：国家自然科学基金（61872252）。
