基于最小生成树改进K-means聚类的网络入侵检测技术  

Network Intrusion Detection Technology Based on Minimum Spanning Tree Improved K-means Clustering

作　　者：王红[1] 陈功平[1] WANG Hong CHEN Gongping(Lu′an Vocational Technical College,Lu′an Anhui 237158,China)

机构地区：[1]六安职业技术学院,安徽六安237158

出　　处：《重庆科技学院学报（自然科学版）》2022年第6期38-41,共4页Journal of Chongqing University of Science and Technology：Natural Sciences Edition

基　　金：2021年教育部科技发展中心中国高校产学研创新资金:新一代信息技术创新项目“智慧校园网络空间测绘研究”(2021ITA07016);2019年度安徽省教育厅高校学科(专业)拔尖人才学术资助项目(GXBJZD74);2019年度安徽省教育厅高校自然科学研究重点项目“基于SNMP的中小型企业网故障管理模型研究”(KJ2019A1065);2019年度安徽省教育厅高等学校省级质量工程项目“VR虚拟现实创新教学实训中心”(2019XFZX04)。

摘　　要：针对网络入侵检测技术存在的问题,设计了一种基于最小生成树改进K-means聚类的网络入侵检测技术。利用最小生成树改进K-means聚类算法,对入侵检测数据进行预处理,设计不同密度的聚类筛选过程,去除冗余数据。构建网络入侵检测模型,将字符型特征转化为数值型数据,优化入侵检测流程,以实现网络入侵检测。实验结果表明,与传统网络入侵检测技术相比,本技术的性能更优,检测效果更好。Aiming at the problems of network intrusion detection technology,a network intrusion detection technology based on minimum spanning tree improved K-means clustering is designed.The K-means clustering algorithm is improved by using the minimum spanning tree to preprocess the intrusion detection data,and the clustering screening process with different data densities is designed to remove redundant data.A network intrusion detection model is built to convert character features into numerical data,and the intrusion detection process is optimized to realize network intrusion detection.The experimental results show that compared with traditional network intrusion detection technology,this technology has better performance and detection effect.

关 键 词：K-MEANS聚类 字符转换 最小生成树 密度聚类筛选 入侵检测 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]