摘要：針對(duì)目前大多數(shù)物聯(lián)網(wǎng)入侵檢測(cè)系統(tǒng)誤報(bào)率高、響應(yīng)不及時(shí)、無法自主調(diào)查攻擊行為的不足,提出了用半監(jiān)督學(xué)習(xí)作為入侵檢測(cè)的檢測(cè)方法。同時(shí),在Fuzzy C-means(FCM)算法的基礎(chǔ)上提出了Random Fuzzy C-means(RFCM)算法的框架與實(shí)現(xiàn)。首先通過隨機(jī)森林得到初始化的模型;然后,通過指定兩個(gè)置信度參數(shù),每輪得到分類結(jié)果置信度高的無標(biāo)記樣本;再將這些樣本加入到原始有標(biāo)記的樣本集合里進(jìn)行模型的二次訓(xùn)練,通過多輪迭代得到最終模型。實(shí)驗(yàn)表明,在NSL-KDD的入侵檢測(cè)數(shù)據(jù)集里,模型具備良好的泛化性能。