一种基于无监督免疫优化分层的网络入侵检测算法

高校网络被外网访问时，外网访问数据没有类别标记，导致数据识别特征不明显，传统的入侵检测模型不能有效提取出无监督外网访问数据中的识别特征，无法准确训练入侵检测模型，造成高校网络入侵检测准确度不高。为了解决这一难题，提出一种基于无监督免疫优化分层的入侵检测算法，即在免疫网络中对数据进行学习，用小规模的网络完成数据压缩，集中增强数据的识别特征，运用分层聚类方法分析网络，完成数据模型的建立。仿真实验表明，这种无监督入侵检测模型方法克服了高校网络外网访问数据的识别特性不明显，提高了高校网络入侵检测的准确率，取得了满意的结果。