基于半监督聚类的医院网络防入侵自动检测方法

摘要

为了应对日益复杂的医院网络安全问题，提高医院信息系统安全水平。研究基于深度学习技术与半监督聚类设计了入侵自动检测模型，利用改进的自编码器建立了自编码降维模型；并借助半监督聚类实现入侵识别。实验结果表明，研究设计的改进策略有效提升了自编码的解码能力，重构结果与真实数据最为接近。改进对半监督聚类的兰德系数为0.907、纯度为0.869,标准互信息为0.837,聚集度和分离度良好。入侵检测模型检测率高于90.0%,误报率低于15%。研究设计的入侵自动检测模型对于提高医院信息系统安全，保护医院和患者的利益具有重要意义。

关键词

半监督聚类 / 信息化 / 入侵检测 / 医院 / 网络安全 / 深度学习

基金资助

江苏省自然科学基金资助项目(BK20190571)