一种全部属性聚类和特征属性聚类相结合的无监督异常检测模型.pdfVIP

第 32卷第 5期 铁 道 学 报 Vo1．32 No．5 2010年 1O月 JOURNAIOFTHECHINA RAILWAYSC}CIETY October 2O10 文章编号 ：1001—8360(2010 一 种全部属性聚类和特征属性聚类相结合 的无监督异常检测模型 刘卫国， 张志 良 (中南大学 信息科学与工程学院，湖南 长沙 410083) 摘 要 ：为提高无监督异常检测系统的检测率、误报率和检测效率 ，将数据集划分为不 同的服务集 ，然后对每个 服务集数据包进行全部属性聚类和部分相关属性聚类(即特征属性聚类)并 比较训练结果，取其 中训练性能较优 的方法建立对该服务的检测模型。检测实验表明，本文模型的检测率达到 99．21 ，误报率降低到 2．2 。与不 加服务划分的模型相 比，本文模 型的训练时问和检测时间分别降低为相应模 型的 21．17 和 21．98 。与其他检 测算法的比较结果也表明，本文模 型在检测率和误报率方面具有更优 的性能 。 关键词 ：入侵检测 ；全部属性聚类 ；特征聚类 ；无监督异常检测 中图分类号 ：TP393．08 文献标志码 ：A doi：10．3969／j．issn．1()O1-8360．2Ol0．05．0ll UnsupervisedAnomalyDetectionM odelCombiningTotalAttributes ClusteringandFeatureAttributesClustering LIU W ei—guo， ZHANG Zhi—liang (SchoolofInformationScienceandEngineering，CentralSouthUniversity，Changsha410083，China) Abstract：Toimprovethedetectionrate，falsealarm rateanddetectionefficiencyoftheunsupervisedanomaly detectionsystem ，thispaperdividedthedatasettodifferentservicesets，then clustered totalattributesand partofrelatedattributes(i．e．，featureattributes)ineach servicepacket．Thedetectionmodeloftheservice wasestablishedbycomparingthetraining resultsand selecting thepreferabletraining method．Detection ex— perimentsshow thatthismodel’Sdetectionratereaches99．21 ，andfalsealarm ratefallsto2．2 ．Compared withthemodelwithoutservicespartitioning。theproposedmode1’Strainingtimeand detectiontimereduceto 21．17 and21．98 respectively．Theresultcomparedwithotherdetectionalgorithmsdemonstratesthepro— posedmodelhasbetterperformanceinthedetectionrateandfalsealarm rate． Keywords：intrusiondetection；totalattributesclustering；featureclustering；unsupervisedanomalydetection 入侵检测是在特定 网络环境中发现和识别未经授 证提供比无监督异