| 基于密度聚类的数据库入侵检测系统研究 |
| |
| 引用本文： | 曹德胜.基于密度聚类的数据库入侵检测系统研究[J].西南师范大学学报(自然科学版),2019,44(5):103-108. |
| |
| 作者姓名： | 曹德胜 |
| |
| 作者单位： | 华北科技学院 计算机学院, 北京 065201 |
| |
| 基金项目： | 中央国家机关支持项目（2011B026）. |
| |
| 摘 要： | 针对现有数据库入侵检测系统高误报率的问题,提出了一种基于密度聚类数据库入侵检测系统,其检测系统过程分为2个部分,①数据训练阶段:执行事务属性的数据预处理,然后将数据集划分为训练集和测试集,使用点排序识别聚类结构(Ordering of Points To Identify Clustering Structure,OPTICS)来构建用户的正常配置文件;②入侵检测阶段:每个传入行为有2种状态,位于群集内或是集群外,根据其局部异常因子(Local Outlier Factor,LOF)值来确定事务的异常程度,对于LOF1的行为允许访问数据库,其他行为通过采用不同的监督机器学习技术进一步验证是正常值或异常值,实现入侵检测.实验结果表明,与其他现有数据库入侵检测系统相比,本文系统性能优于其他2种系统.
|
| 关 键 词： | 入侵检测 密度聚类 点排序识别聚类结构 局部异常因子 监督学习 |
| 收稿时间： | 2018/5/16 0:00:00 |
On Database Intrusion Detection System Based on Density Clustering |
| |
| CAO De-sheng.On Database Intrusion Detection System Based on Density Clustering[J].Journal of Southwest China Normal University(Natural Science),2019,44(5):103-108. |
| |
| Authors: | CAO De-sheng |
| |
| Institution: | School of Computer Science, North China Institute of Science and Technology, Beijing 065201, China |
| |
| Abstract: | |
| |
| Keywords: | intrusion detection density clustering ordering points to identify clustering structure local outlier factor supervised learning |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《西南师范大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《西南师范大学学报(自然科学版)》下载免费的PDF全文 |
|
