基于云模型和半监督聚类的入侵检测算法

摘要

针对目前网络入侵检测率低、误报率高的问题,提出了一种将云模型和半监督聚类相结合的入侵检测算法.先对聚类算法作改进,使其能够获得稳定的聚类结果.由于属性对分类贡献程度的不同,引入了云相对贴近度的概念,给出了计算属性权重的方法.以改进的聚类方法为基础建立了云模型,对属性使用动态加权和更新云模型的方法逐渐强化分类器以指导数据的分类.KDD CUP99实验数据的仿真结果证明了该算法的有效性.