基于 Birch 聚类在 CICIDS-2017 数据集上改进多层感知机(MLP)网络异常检测
密码学与安全
2022-11-01 v2 机器学习
摘要
机器学习算法已广泛应用于入侵检测系统，包括多层感知机（MLP）。在本研究中，我们提出了一种结合 Birch 聚类算法与 MLP 分类器的两阶段模型，以改进网络异常多分类性能。在我们提出的方法中，首先将对 CICIDS-2017 数据集使用 Birch 或 Kmeans 作为无监督聚类算法进行数据预分组。随后将生成的伪标签作为附加特征加入基于 MLP 的分类器训练中。实验结果表明，使用 Birch 和 K-Means 聚类进行数据预分组可提升入侵检测系统性能。我们的方法在使用 Birch 聚类进行多分类时可达 99.73% 准确率，优于使用独立 MLP 模型的类似研究。
引用
@article{arxiv.2208.09711,
title = {Improving Multilayer-Perceptron(MLP)-based Network Anomaly Detection with Birch Clustering on CICIDS-2017 Dataset},
author = {Yuhua Yin and Julian Jang-Jaccard and Fariza Sabrina and Jin Kwak},
journal= {arXiv preprint arXiv:2208.09711},
year = {2022}
}