位置:成果数据库 > 期刊 > 期刊详情页
基于混合聚类和自组织映射的异常检测模型
  • ISSN号:1002-0411
  • 期刊名称:《信息与控制》
  • 时间:0
  • 分类:TP393.08[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]南京理工大学自动化学院,江苏南京210094
  • 相关基金:国家自然科学基金资助项目(60574082).
中文摘要:

针对异常检测方法中存在的异常连接信息不足的问题设计了一种基于混合聚类和自组织映射的异常检测模型.首先提出了一种聚类算法用以进行异常检测,然后再通过自组织映射(SOM)对检测出的异常连接进行分类以获得其更多的异常连接信息.最后应用实验数据集进行仿真,结果表明本检测模型是有效的,能够将检测到的异常连接进行分类并由其所属类别给出该异常连接的更多信息,且检测和分类的效率比较高,误报率低.

英文摘要:

In view of the lack of information about anomalous connections in anomaly detection approach, an anomaly detection model based on hybrid clustering and self organizing map (SOM) is proposed. Firstly, a clustering algorithm is proposed in order to detect anomalous connections, and then the SOM is applied to classifying the pre-detected anomalous connections, through which high level information about anomalous connections is acquired. Finally the experimental data are used for simulation. The experiment result shows that this model is effective, and can classify the detected anomalous connections and give more information about that connection from the category which it belongs to. The model has a high efficiency of the detection and classification with low false rate.

同期刊论文项目
期刊论文 67 会议论文 23
同项目期刊论文
期刊信息
  • 《信息与控制》
  • 北大核心期刊(2011版)
  • 主管单位:中国科学院
  • 主办单位:中国自动化学会 中国科学院沈阳自动化研究所
  • 主编:王天然
  • 地址:沈阳市南塔街114号
  • 邮编:110016
  • 邮箱:xk@sia.cn
  • 电话:024-23970049
  • 国际标准刊号:ISSN:1002-0411
  • 国内统一刊号:ISSN:21-1138/TP
  • 邮发代号:
  • 获奖情况:
  • 全国优秀期刊三等奖,中科院优秀期刊三等奖,辽宁省优秀期刊一等奖
  • 国内外数据库收录:
  • 美国数学评论(网络版),荷兰文摘与引文数据库,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:12960