论文部分内容阅读
现有校园网络入侵数据自主防御方法通常需要依赖足够数量样本的分析,但由于网络攻击技术的提升,大量新型攻击技术涌现,初始训练样本数量有限严重影响了校园网络入侵数据的检测性能和自主防御性能,提出了基于数据挖掘的网络入侵数据自主防御方法。方法将采集获得的校园网络数据进行离散连续化、标准化和归一化等预处理;通过采用数据挖掘方法中的模糊C均值聚类随机选取一个聚类中心,迭代目标函数,寻找目标函数的最小值,并不断调整聚类中心和隶属度,获得校样本最佳类别,完成校园网络数据集聚类;在此基础上通过度量聚类后各个数据集簇的