基于高斯函数的入侵检测新相似性度量
密码学与安全
2016-04-27 v1
摘要
本文的主要目标是设计和分析高斯相似性度量用于入侵检测的适用性。目标是将此用作距离度量以找到训练集（如DARPA数据集、KDD数据集）中任意两个数据样本之间的距离。主要目标是将此种度量用作应用k-means算法时的距离度量。该方法的新颖之处在于将所提出的距离函数作为k-means算法的一部分以获得不相交簇。随后是一个案例研究，演示入侵检测过程。所提出的相似性具有固定的上下界。所提出的相似性度量满足典型相似性度量的所有性质。
引用
@article{arxiv.1604.07510,
title = {A Novel Similarity Measure for Intrusion Detection using Gaussian Function},
author = {Gunupudi Rajesh Kumar and N Mangathayaru and G Narsimha},
journal= {arXiv preprint arXiv:1604.07510},
year = {2016}
}
备注
11 Pages, SCI Indexed Journal, REVISTA TECNICA DE LA FACULTAD DE INGENIERIA UNIVERSIDAD DEL ZULIA