《表1 17维特征向量说明》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于改进MajorClust聚类的网络入侵行为检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

NSL-KDD数据集中的每条数据样本代表一个由41维特征向量（不包含类型特征）表示的网络连接，其中前9个特征为基本类型（描述协议类型、连接时长、连接状态等），10到22这13个特征为内容类型（主要说明登录状态、权限、文件创建等），其余19个特征为流量类型（包括目标地址相同的连接数量、源地址相同的连接数量、端口号相同的连接数量、出错数据包百分比等）。作为高维数据集，NSL-KDD在实际处理时通常需要进行降维操作。以往针对NSL-KDD的研究多基于序号7、9、11、18、20、21这6维特征，如利用三角形区域的最近邻入侵检测方法；为进一步强化入侵检测需要，本文借鉴文献[17]提出的针对基于向量机的入侵检测的建议，利用Fisher评分由高到低进行选择，但剔除其中的非数值向量，选出特定的17维数据作为聚类依据，如表1所示，从而滤除非代表性特征维度。