一种基于多特征融合的网络攻击样本自动聚类识别方法

本发明涉及网络信息安全领域，公开了一种基于多特征融合的网络攻击样本自动聚类识别方法，包括在设定的时间窗内提取样本多维度特征拼接为原始向量；统计特征离散状态的分布概率并结合信息熵计算特征融合权重，生成加权特征向量；对加权特征向量执行特征值分解与线性变换以降维；结合维度总数与平滑距离曲线二阶导数自适应计算密度聚类的核心点阈值与邻域半径参数，执行聚类运算；基于聚类簇与特征库的相似度识别已知变种与新型未知攻击，并利用新型未知攻击触发参数的闭环迭代。本发明消除了特征采集的异步偏差，摆脱了聚类参数对人工经验的依赖，有效提升了复杂变种及未知攻击的检测准确率。