网络入侵检测系统中无导师学习分析器的设计  

Design of an Unsupervised Learning Analyzer in Network Intrusion Detection Systems

作　　者：罗程[1] 钟诚[1] 李智[1,2] 

机构地区：[1]广西大学计算机与电子信息学院 [2]广西科技厅信息网络中心,广西南宁530012

出　　处：《计算机工程与科学》2006年第7期28-29,38,共3页Computer Engineering & Science

基　　金：广西科学基金资助项目(桂科自0339008)

摘　　要：本文在基于数据挖掘的网络入侵检测系统框架基础上设计了一个无导师学习的分析器模型。该模型结合了核k-means聚类、模式挖掘、近似串匹配的方法,训练过程不需要使用带标记的数据,并且不需要保证每个训练数据集中正常数据和异常数据在数量上的比例关系。实验结果表明,该模型具有较高的检测率并降低了误报率。Based on the framework of network intrusion detection systems based on data mining , this paper devises an analyzer model of unsupervised learning. It applies the kernal k-means clustering, pattern mining and approximate pattern matching techniques. It does not use the tag data in the training procedure, and need not to ensure the amount ratio of normal data and exceptional data in each training data set. The experimental results show that the model features high detection rates and low false-positive error rates.

关 键 词：网络入侵检测 无导师学习 核聚类 模式挖掘 

分 类 号：TP393.08[自动化与计算机技术—计算机应用技术]