提出一种基于改进密度聚类的异常检测算法(ADIDC),通过在各特征列上分别进行密度聚类,并根据各特征对正常轮廓的支持度进行特征加权,解决了聚类分析方法在异常检测应用中误报率较高的问题.通过大量基于异常检测数据集KDD Cup 1999的实...提出一种基于改进密度聚类的异常检测算法(ADIDC),通过在各特征列上分别进行密度聚类,并根据各特征对正常轮廓的支持度进行特征加权,解决了聚类分析方法在异常检测应用中误报率较高的问题.通过大量基于异常检测数据集KDD Cup 1999的实验表明,其相对于传统异常检测方法在保证较高检测率的前提下,有效地降低了误报率,对某些与正常行为相近的特殊攻击检测率明显提高.同时利用特征权值进行特征筛选提高了其检测性能和效率,更适应实时检测要求.展开更多
文摘提出一种基于改进密度聚类的异常检测算法(ADIDC),通过在各特征列上分别进行密度聚类,并根据各特征对正常轮廓的支持度进行特征加权,解决了聚类分析方法在异常检测应用中误报率较高的问题.通过大量基于异常检测数据集KDD Cup 1999的实验表明,其相对于传统异常检测方法在保证较高检测率的前提下,有效地降低了误报率,对某些与正常行为相近的特殊攻击检测率明显提高.同时利用特征权值进行特征筛选提高了其检测性能和效率,更适应实时检测要求.