基于智能蝙蝠算法的异常数据检测方法

摘要

随着大数据应用的普及,网络攻击日益严重并已成为主要的网络安全问题.针对大数据环境下的网络攻击检测问题,设计一种融合聚类和智能蝙蝠算法(DEBA)的网络攻击检测系统.该系统将K-means算法与蝙蝠算法相结合进行数据流分类,实现了对异常数据的高效检测.实验结果显示,该系统的聚类准确率、算法耗时和误报率方面明显优于基于传统蝙蝠算法的K-means算法和单独K-means算法的网络异常数据检测方法.