基于改进LDA和CNN的网络入侵聚类  

Network intrusion clustering method based on improved LDA and CNN

作　　者：谭立志[1] 李二喜[1] 欧阳艾嘉[2] 贺明华[3] 周旭[2,4] 

机构地区：[1]株洲职业技术学院科研处,湖南株洲412001 [2]湖南大学信息科学与工程学院,长沙410082 [3]井冈山大学高等教育研究所,江西吉安343009 [4]嘉兴学院数理与信息工程学院,浙江嘉兴314001

出　　处：《计算机工程与应用》2013年第2期89-91,108,共4页Computer Engineering and Applications

基　　金：国家自然科学基金(No.61202109);井冈山大学科研基金项目(No.JR1216)

摘　　要：提出了一种基于改进线性判别分析和近邻法的网络入侵聚类方法,运用改进的线性判别分析方法对网络入侵样本特征进行降维处理,使用近邻分类器对数据进行聚类。该算法降低了算法的聚类时间,还提高了算法的聚类能力。实验结果表明,相比其他模型,该算法有较高的检测率和较低的误警率。A hybrid method of improved Linear Discriminant Analysis （LDA） and Center-based Nearest Neighbor （CNN） classifier for clustering of network intrusions is proposed. The improved LDA is employed to reduce the dimensions of sample vector, and then the center-based nearest neighbor classifier is used to cluster for the data of network intrusions. The proposed algorithm not only reduces the clustering time of the algorithm, but also improves the clustering ability. Experimental results indicate that the proposed algorithm obtains higher clustering capability contrast to other models at a higher detection rate and a lower false alarm rate.

关 键 词：线性判别分析 中心近邻法 网络入侵 聚类 降维 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]