《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》
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。
图表编号 | XD00140335600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.10 |
作者 | 罗文华、许彩滇 |
绘制单位 | 中国刑事警察学院网络犯罪侦查系、中国刑事警察学院网络犯罪侦查系 |
更多格式 | 高清、无水印(增值服务) |