基于密度聚类算法的入侵检测研究

• 作 者: 蔡伟鸿 刘震
• 机 构: 广东汕头大学工学院计算机系
• 出 处: 计算机工程与应用
• 发表日期: 2005年21期
• 关键词: 异常检测 基于密度的聚类 数据挖掘 anomaly detection density clustering Data Mining

本文联系异常检测和数据挖掘，从理论上着重分析了在入侵检测系统中应用基于密度聚类算法的必要性和有效性，从TCPDump网络数据和系统日志中提取分析后生成特征数据，通过Clenmine中CEMI实现定制的基于密度的改进DBSCAN算法进行测试．结果表明利用该算法可以较好地识别分布式拒绝服务攻击等多种入侵行为。