English
资源说明：近年来，在网络系统中出现的大量攻击中，DDoS攻击已成为具有最大破坏力的攻击。 本文的主要目的是提出一种系统，该系统使用数据挖掘的聚类技术然后进行分类，可以有效检测任何网络系统中出现的DDoS攻击。 该方法使用启发式聚类算法（HCA）对可用数据进行聚类，并使用朴素贝叶斯（NB）分类对数据进行分类，并根据数据包的某些网络属性检测系统中创建的攻击。 聚类算法基于无监督学习技术，有时无法检测某些攻击实例和少量正常实例，因此，分类技术也与聚类一起使用，以克服该分类问题并提高准确性。 朴素贝叶斯分类器基于非常强的独立性假设，具有相当简单的构造，可以得出每种关系的条件概率。 使用“ CAIDA UCSD DDoS Attack 2007数据集”和“ DARPA 2000数据集”进行了一系列实验，并基于以下性能参数测试了所提议系统的效率：准确性，检测率和误报率以及结果从提出的系统获得的结果已经发现，它具有增强的准确性和检测率，并且误报率低。
本源码包内暂不包含可直接显示的源代码文件，请下载源码包。
