基于改进AP聚类算法的自学习应用层DDoS检测方法

来源：计算机研究与发展杂志2018年第6期北京时间：

作者：刘自豪,张斌,祝宁,唐慧林,

摘要：针对基于用户行为的应用层DDoS检测算法中样本训练过程繁琐以及模型更新困难2个难点，提出一种基于改进AP聚类算法的自学习应用层DDoS检测方法.首先对近邻传播聚类算法改进优化：在利用少量先验知识对数据集进行预分类的基础上，结合同类簇合并机制解决样本大小敏感问题，同时引入异类簇清除机制排除特殊类簇对检测结果所造成的干扰;其次给出用户行为属性表征用户行为特征，利用IAP聚类算法实现用户行为有效聚类，提高检测精度;然后引入Silhouette指标实时监控类簇质量，设计类簇自学习更新机制，进一步降低误检率、提高检测率，并支持检测类簇的动态抗解析.实验结果表明:与传统AP聚类、KMPCA算法相比，所提方法具有较高的运行效率和较好的检测性能，并具有一定的自主优化能力.

关键词：应用层DDoS, 检测方法, 行为特征, 改进AP聚类算法, 自学习,