论文摘要
由于传统的入侵检测系统无法识别新型网络入侵问题,在k近邻（KNN）算法和密度峰值聚类（DPC）算法的基础上,提出了一种基于k近邻的密度峰值聚类混合学习算法（DPNN）,将DPC用于训练,KNN用于分类,结合KDD-CUP 99数据集作为入侵检测中的标准数据集,并利用DPNN在入侵检测中找到更准确和高效的分类器。实验结果表明,DPNN优于支持向量机（SVM）、k近邻（KNN）等多种机器学习方法,它能够有效地检测入侵攻击并具有良好的性能。
论文目录
文章来源
类型: 期刊论文
作者: 王志勇
关键词: 网络检测,入侵攻击,密度峰值聚类,近邻算法
来源: 自动化技术与应用 2019年12期
年度: 2019
分类: 信息科技
专业: 互联网技术
单位: 河南省国土资源电子政务中心
分类号: TP393.08
页码: 48-52
总页数: 5
文件大小: 1878K
下载量: 160