Resumen

Con el fin de aplicar mejor el algoritmo K-modes a la detección de intrusiones, este documento supera los problemas del algoritmo K-modes existente basado en la teoría de conjuntos aproximados. En primer lugar, para el problema de la agrupación K-modes en la selección inicial de centros de clase, se propone un algoritmo de selección inicial de centros de clase Ini_Weight basado en densidad ponderada y distancia de superposición ponderada. En segundo lugar, basado en el algoritmo Ini_Weight, se propone un nuevo algoritmo de agrupación K-modes WODKM basado en la distancia de superposición ponderada. En tercer lugar, se aplica el algoritmo de agrupación WODKM a la detección de intrusiones para obtener un nuevo modelo de detección de intrusiones no supervisado. El modelo detecta la intrusión dividiendo los clústeres en el resultado de la agrupación en clústeres normales y clústeres anormales y analizando la densidad promedio ponderada del objeto a detectar en cada

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Aplicar; Algoritmo k-modes; Detección de intrusiones; Agrupamiento; Distancia ponderada de superposición; No supervisado; Modelo;
• Keywords:Apply; K-modes algorithm; Intrusion detection; Clustering; Weighted overlap distance; Unsupervised; Model;