基于相似度聚类的网络异常快速识别方法研究

详细信息    查看全文 | 推荐本文 |

英文篇名：Research on Network Anomaly Fast Recognition Method Based on Similarity Clustering 作者：李伟民 英文作者：Li Weimin;Department of Computer Science, Sias International University, Zhengzhou University; 关键词：相似度聚类 ; 网络异常 ; 异常识别 ; 快速识别 ; 识别方法 英文关键词：similarity clustering;;network anomaly;;anomaly identification;;quick identification;;recognition methods 中文刊名：XXDL 英文刊名：China Computer & Communication 机构：郑州大学西亚斯国际学院电子信息工程学院; 出版日期：2019-05-15 出版单位：信息与电脑(理论版) 年：2019 期：No.427 基金：基于机器学习的电动汽车续航里程估计的研究(项目编号:182102210549) 语种：中文; 页：XXDL201909049 页数：2 CN：09 ISSN：11-2697/TP 分类号：123-124

摘要

传统网络异常识别方法速度慢、准确率低。为此,笔者提出基于相似度聚类的网络异常快速识别方法,经过详细分析相似度聚类算法,提出网络异常快速识别五步流程;并对网络安全权限机制识别和签名机制进行强化设计。实验对比表明,提出的识别方法能在短时间内识别网络异常,准确率高,对于保证网络安全有重要意义。
        The traditional network anomaly identification method is slow and has low accuracy. This paper proposes a network anomaly fast recognition method based on similarity clustering. After analyzing the similarity clustering algorithm in detail, a five-step process for network anomaly fast identification is proposed. The network security authority mechanism identification and signature mechanism are enhanced. The experimental comparison shows that the identification method can identify network anomalies in a short time, and the accuracy is high, which is of great significance for ensuring network security.

引文

[1]冯新.基于聚类方法的源代码相似度检测系统研究[J].佳木斯大学学报(自然科学版),2018,34(4):566-569.
    [2]龚安,李长进.一种改进的基于蚂蚁化学识别系统的聚类算法[J].网络新媒体技术,2018,31(3):6-11.
    [3]王刚,邱玉辉.基于本体及相似度的文本聚类研究[J].计算机应用研究,2018,27(7):2494-2497.