基于自适应模糊聚类的无监督APT攻击检测方法研究  

作　　者：陈泽红[1] 

机构地区：[1]厦门理工学院,福建361024

出　　处：《网络安全技术与应用》2023年第7期45-47,共3页Network Security Technology & Application

基　　金：福建省中青年教师教育科研项目(JAT200458)。

摘　　要：针对现有基于机器学习的APT攻击检测方法大多需要大量标注攻击样本的问题,提出了一种基于自适应模糊聚类的无监督APT攻击检测方法。该方法在模糊C均值聚类基础上引入自适应机制,使其能够有效适应复杂多变的APT检测数据,并可有效减缓噪声对聚类性能的影响。为验证所提出方法有效性,将之应用于KDDCup99数据集,以实现对未知攻击的检测。实验结果表明,该方法具有较高检测准确率,对无监督模式下APT攻击检测研究具有一定指导意义。

关 键 词：APT攻击 无监督学习 自适应学习 模糊聚类 

分 类 号：TP393.08[自动化与计算机技术—计算机应用技术]