基于聚类合并的局部离群点挖掘算法在入侵检测中的应用

针对网络安全数据的高维度特征问题,传统的基于聚类的检测算法不能有效发现网络数据中入侵行为细节。本文提出一种改进的DBSCAN离群点挖掘算法LDBSCAN-CM,首先在传统DBSCAN算法中引入局部离群点挖掘概念,计算候选对象的局部离群因子,生成若干个聚类;其次,为了提高挖掘效率,在聚类结果的基础上,进行聚类合并;最后,采用KDD Cup99数据集对改进算法在入侵检测中的应用进行仿真实验。实验结果表明,改进算法LDBSCAN-CM能保证较高的检测率和较低的误检率。