基于层次自组织特征映射的网络异常检测系统数据分析器  

A DATA ANALYZER IN NETWORK ANOMALY DETECTION SYSTEM BASED ON HIERARCHICAL SELF-ORGANIZING MAP

作　　者：陈婷婷[1] 方滨兴[1] 郑军[1] 

机构地区：[1]哈尔滨工业大学计算机网络与信息安全技术研究中心,黑龙江哈尔滨150001

出　　处：《计算机应用与软件》2006年第5期3-4,8,共3页Computer Applications and Software

基　　金：国家自然科学基金项目(60403033)。

摘　　要：提出将层次自组织特征映射神经网络算法应用于网络异常检测,算法自顶向下逐层生成神经网络结构并细化聚类,将神经元的组织和连接方式从平面扩展到层次与平面连接相结合,大大加速了获胜神经元的搜寻过程。基于此种算法,设计并实现了网络异常检测系统中的数据分析器HSOMDA,在DARPA 1999数据集上的实验表明其具有较高的检测性能和时间性能。This paper presents an application of a hierarchical self-organizing map （HSOM） algorithm for network anomaly detection. By growing in a top-down approach and extending the connections of neurons from horizontal dimension to both horizontal and hierarchical dimension, HSOM significantly accelerates the searching of winning neurons. Based on HSOM, a data analyzer in network anomaly detection system HSOMDA is designed and implemented. The results of experiments on DARPA 1999 dataset demonstrate its effectiveness and efficiency in anomaly detection.

关 键 词：异常检测 聚类 层次自组织特征映射 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] TP393.07[自动化与计算机技术—控制科学与工程]