基于k-means聚类的分支定界算法在网络异常检测中的应用

网络异常检测技术是入侵检测领域研究的热点之一。在异常检测中，针对其存在的对训练集中关键数据的选取不准确、选取过程耗时较长、检测的误报率过高等问题，结合经典的k-means算法和分支定界算法，建立起一种网络异常检测模型，以有效地提高在大量训练集中选取关键数据的准确率，同时降低数据选取的时耗。通过大量基于著名的kddcup1999数据集的实验，表明此模型能够达到较高的检则准确性，并能有效地控制检测错误报警的发生。