《表4 改进Major Clust算法对已知和未知入侵的检测率情况》

  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

实验中，第一次迭代中的簇中心被选为抽象节点，能正确地反映簇在空间中所处的位置，提高第二次迭代中的聚类准确度。而拐点半径的引入，使算法能够根据簇中心与其他节点的距离分布特点计算聚类半径，实现动态自适应聚类。对于传统的无监督型算法，将其应用于入侵检测时，为了提高检测率和聚类准确度，往往需要去除离群点后再进行经验性调参，在数据预处理和聚类模型优化处理上消耗大量成本，并且对于被去除的离群点没能继续检测它们是否异常。改进Major Clust算法在忽略明显的离群点后，能够动态自适应计算出拐点半径作为聚类半径，不要求进行经验性调参，入侵检测消耗的成本更少。同时，离群点仅在计算拐点半径时被忽略，不影响它们在算法的入侵检测环节中被检测，保证入侵检测全覆盖。