基于并行二分K-means算法在异常检测中的应用被引量：2

在线阅读下载PDF

导出

摘要网络异常检测对于网络安全和网络服务质量至关重要,但异常检测中的传统聚类算法存在很多缺点,因此需要进一步改进。传统的K-means聚类算法仍然存在效率低,误报率较高的问题。对此,提出并行结构的二分K-means算法,该方法解决了传统K-means算法易受初始点选择影响的不足,同时并行计算的结构提高了检测的效率。为验证该算法的效率、检测率和误报率,使用了KDD CUP99数据集,实验表明该算法相较于传统的聚类算法在检测效率、检测率上都有提高,误报率也有所降低。

作者淡军

机构地区云南师范大学信息学院

出处《福建电脑》 2016年第2期104-106,共3页 Journal of Fujian Computer

关键词异常检测二分K-means算法并行聚类

分类号 TP311.13 [自动化与计算机技术—计算机软件与理论]

引文网络
相关文献

参考文献14

1程玉青,梅登华,陈龙飞.基于数据挖掘的入侵检测系统模型[J].计算机技术与发展,2009,19(12):123-126. 被引量：12
2黄存东.关于计算机网络信息安全问题的技术研究[J].软件,2013,34(1):140-141. 被引量：54
3向继,高能,荆继武.聚类算法在网络入侵检测中的应用[J].计算机工程,2003,29(16):48-49. 被引量：41
4王彦涛,张凤斌.一种改进的K—means算法在入侵检测中的应用[J].电脑知识与技术,2009,5(12):9824-9827. 被引量：3
5杨斌,刘卫国.一种基于聚类的无监督异常检测方法[J].计算机工程与应用,2008,44(1):138-141. 被引量：6
6叶芳,吴中福,刘勇国.网络入侵的聚类算法研究与实现[J].重庆大学学报（自然科学版）,2004,27(3):46-48. 被引量：12
7刘涛,马晓宇,胡景.一种K-MEANS算法在网络异常检测中的应用[J].微电子学与计算机,2012,29(5):42-45. 被引量：5
8水勇.遗传算法的研究与应用[J].软件,2014,35(3):107-107. 被引量：17
9李洋.K-means聚类算法在入侵检测中的应用[J].计算机工程,2007,33(14):154-156. 被引量：23
10Kaufman L, Rousseeuw P J. Finding Groups in Data: An Introduction to Cluster Analysis[M]. New York: John Wiley & Sons,1990.

二级参考文献58

1尹振红,范悦.DS18B20及其在多点温度检测中的应用[J].吉林工程技术师范学院学报,2007,23(3):44-48. 被引量：4
2董慧敏,朱智民.多点温度检测系统电路设计[J].漯河职业技术学院学报,2007,6(3):7-8. 被引量：5
3卿斯汉,蒋建春,马恒太,文伟平,刘雪飞.入侵检测技术研究综述[J].通信学报,2004,25(7):19-29. 被引量：235
4吴永春.单总线数字温度传感器DS18B20及其在单片机系统的应用[J].三明高等专科学校学报,2004,21(2):33-36. 被引量：7
5胡吉明,鲜学丰.挖掘关联规则中Apriori算法的研究与改进[J].计算机技术与发展,2006,16(4):99-101. 被引量：59
6王杰,李冬梅.数据挖掘在网络入侵检测系统中的应用[J].微计算机信息,2006,22(04X):73-75. 被引量：15
7李洋.K-means聚类算法在入侵检测中的应用[J].计算机工程,2007,33(14):154-156. 被引量：23
8Han Jiawei Kamber M.数据挖掘-概念与技术[M].高等教育出版社,2002..
9Tan Pangning, Steinbach M, Kumar V. Introduction to Data Mining[M]. [s. l. ] :Posts & Telecom Press,2006.
10Park J S, Chen M S, Yu P S. An effective hash - based algorithm for mining association rules [ C]//Proeeeding of the ACM SIGMOD International Conference on Management of Data. New York:ACM, 1995 : 175 - 186.

共引文献178

1畅许斌.关于计算机网络信息安全保密技术研究[J].计算机产品与流通,2020(11):97-97. 被引量：5
2张强.计算机网络的信息安全防护对策分析[J].电子技术（上海）,2021,50(8):26-28. 被引量：7
3张亚东,梁高翔.使用聚类方法分析IP报文特征[J].光盘技术,2006(3):31-33. 被引量：1
4赵玲.属性聚类算法在入侵检测中的应用[J].网络安全技术与应用,2004(12):49-51. 被引量：1
5卢刚,惠怀海,卜佳俊,陈纯.基于预测的图案协同设计中智能锁研究[J].重庆大学学报（自然科学版）,2005,28(5):68-71.
6黄勤,廖伟,刘益良,李楠,杨洁.一种针对SYN-Flooding攻击的防范方法[J].计算机科学,2005,32(10):84-86.
7阳博,龙鹏飞.凝聚分层聚类算法在入侵检测中的应用[J].长沙电力学院学报（自然科学版）,2005,20(3):57-60. 被引量：3
8张阿品,徐保国.无监督连接划分聚类算法及其在入侵检测中的应用[J].计算机工程与设计,2006,27(3):384-386. 被引量：3
9胡威,李建华,陈波.入侵检测建模过程中特征提取最优化评估[J].计算机工程,2006,32(12):150-151. 被引量：2
10徐保国,白文宝.改进支持向量聚类在网络入侵检测中的应用研究[J].计算机测量与控制,2007,15(5):576-579. 被引量：2

同被引文献13

1刘长骞.K均值算法改进及在网络入侵检测中的应用[J].计算机仿真,2011,28(3):190-193. 被引量：10
2王茜,刘胜会.改进K-means算法在入侵检测中的应用研究[J].计算机工程与应用,2015,51(17):124-127. 被引量：13
3王胜利.基于大数据聚类算法在网络安全中的应用[J].网络安全技术与应用,2016(1):50-50. 被引量：4
4董娴,周俊.基于优化BP神经网络的预测模型在纺纱企业能源管理中的应用[J].工业控制计算机,2016,29(5):150-152. 被引量：1
5凤祥云.基于K-Means聚类算法入侵检测系统研究[J].电脑知识与技术,2016,0(6):49-51. 被引量：4
6赵一凡,卞良,丛昕.数据清洗方法研究综述[J].软件导刊,2017,16(12):222-224. 被引量：24
7严英杰,盛戈皞,陈玉峰,江秀臣,郭志红,秦少鹏.基于时间序列分析的输变电设备状态大数据清洗方法[J].电力系统自动化,2015,39(7):138-144. 被引量：89
8邓建新,单路宝,贺德强,唐锐.缺失数据的处理方法及其发展趋势[J].统计与决策,2019,0(23):28-34. 被引量：83
9邵华,关鸿鹏,雷岩,殷路.城市管道天然气能量计量赋值应用研究[J].新型工业化,2022,12(11):18-22. 被引量：4
10李树林,刘倍菡,张建平,井含香.电网边缘终端用电时序数据自动去重系统[J].自动化技术与应用,2023,42(4):110-113. 被引量：2

引证文献2

1林庆新.探究大数据下的K-means聚类算法在网络安全检测中的应用[J].网络安全技术与应用,2017(3):92-93. 被引量：9
2黄启航,汝欣,戴宁,俞博,陈炜,徐郁山.基于聚类分析法的织造车间能耗数据清洗[J].软件工程,2024,27(7):22-27.

二级引证文献9

1戴勇军.计算机网络通信安全中数据加密技术的应用[J].电子技术与软件工程,2017(24):208-209. 被引量：7
2叶进荣.计算机网络通信安全中数据加密技术的应用[J].信息通信,2018,31(6):70-71. 被引量：3
3陆兆雄.现代计算机网络通信安全中数据加密技术的应用[J].信息通信,2018,31(5):119-120. 被引量：7
4杨雁莹.大数据背景下的聚类算法的相关研究[J].电脑编程技巧与维护,2019(1):68-71. 被引量：1
5郭廓.数据加密技术在计算机网络安全中的运用分析[J].数字通信世界,2019,0(6):175-175. 被引量：2
6张黎.基于环形拓扑结构的网络通信数据加密方法[J].信息与电脑,2019,0(13):198-199. 被引量：2
7汤亮.基于机器学习的网络安全检测技术[J].信息与电脑,2023,35(1):226-228. 被引量：1
8杨军,刘洋,杨玉奇.K-means聚类算法在网络安全检测中的应用研究[J].信息与电脑,2023,35(10):209-211. 被引量：3
9毛敬玉.计算机网络通信安全中数据加密技术的应用[J].信息与电脑,2019,0(18):165-167.

1高刃,唐龙,伍爵博.基于神经网络的无线传感器网络数据预测应用研究[J].计算机科学,2012,39(5):44-47. 被引量：10
2王骁,李东生,雍爱霞.基于数据场改进的目标分群算法[J].火力与指挥控制,2015,40(12):40-43. 被引量：3
3曹淑华.计算机网络规划及实现研究[J].现代电子技术,2010,33(16):91-93. 被引量：6
4孙瑶琴.基于改进FOA优化的SVM在故障诊断中的应用[J].机械强度,2017,39(2):285-290. 被引量：13
5吉训生,刘永祥.基于局部稀疏表示的二尺度块目标跟踪方法[J].小型微型计算机系统,2017,38(5):1139-1142.
6李书全,吴秀宇.遗传算法函数寻优性能影响因素分析——基于正交试验的方法[J].计算机工程与应用,2015,51(6):1-5. 被引量：4
7孟捷,徐浩军,葛志浩.飞行仿真中气动特性数据拟合方法研究[J].电光与控制,2007,14(4):120-123. 被引量：8
8张新娟.一种基于改进粒子群算法的图像分类方法研究[J].自动化与仪器仪表,2016(7):163-164. 被引量：1
9陈平,刘晓霞,李亚军.文本分类中改进型互信息特征选择的研究[J].微电子学与计算机,2008,25(6):194-196. 被引量：11
10王靖程,任志文,舒进,周昭亮.基于最小均方误差准则的ICA过程监控方法[J].热力发电,2013,42(11):121-126. 被引量：2

福建电脑

2016年第2期

浏览历史

内容加载中请稍等...

基于并行二分K-means算法在异常检测中的应用被引量：2

参考文献14

二级参考文献58

共引文献178

同被引文献13

引证文献2

二级引证文献9

相关作者

相关机构

相关主题

浏览历史

基于并行二分K-means算法在异常检测中的应用 被引量：2

参考文献14

二级参考文献58

共引文献178

同被引文献13

引证文献2

二级引证文献9

相关作者

相关机构

相关主题

浏览历史

基于并行二分K-means算法在异常检测中的应用被引量：2