改进的KNN分类异常点检测方法  

作　　者：朱林杰[1] 赵广鹏[1] 康亮河 

机构地区：[1]河南理工大学信息化建设与管理中心,河南焦作454000 [2]甘肃农业大学信息科学技术学院,甘肃兰州730070

出　　处：《甘肃科技纵横》2022年第1期8-11,共4页Scientific & Technical Information of Gansu

摘　　要：针对入侵检测中异常点误报率较高的问题,提出了改进KNN与异常点检测算法相结合来处理数据的方法,以降低入侵检测误报率。该方法首先采用卡方特征选择方法进行数据特征选择,其次采用孤立森林、距离、局部异常因子(IDL)结合查找出异常点,然后使用SMOTE平衡数据,使得所有的样本达到一个类平衡状态,再采用KNN分类。最后采用公开数据集NSL-KDD进行对于改进KNN异常点检测方法的有效性验证。实验结果表明,采用改进的KNN分类异常点检测方法进行检测,降低了误报率。

关 键 词：特征选择 孤立森林算法 NSL-KDD 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]