改进的SOM和K-Means结合的入侵检测方法  

Combination of SOM and K-Means for intrusion detection algorithm

作　　者：杨照峰[1] 樊爱宛[2] 樊爱京[3] 

机构地区：[1]平顶山学院软件学院,平顶山467002 [2]平顶山学院计算机科学与技术学院,平顶山467002 [3]平顶山学院网络计算中心,平顶山467002

出　　处：《制造业自动化》2010年第12期4-5,18,共3页Manufacturing Automation

摘　　要：检测算法是入侵检测的一个重要组成部分。传统的K-Means算法的聚类结果对随机初始值的依赖很强。而传统的SOM神经网络不能提供分类后精确的聚类信息。为克服两种算法的缺陷,本文将两种算法结合并进行改进,SOM先进行一次初聚类,将其作为K-Means初始聚类,然后用K-Means来对SOM的聚类进行精化,实验结果分析表明本文算法既克服了两者的缺点,又使两种算法的优点得到完美的结合,在一定程度上提高入侵检测系统的检测率,降低了误报率。

关 键 词：入侵检测 数据挖掘 聚类 K-MEANS算法 SOM神经网络 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]