基于改進(jìn)聚類分析算法的IDS模型構(gòu)建.pdf

1、隨著網(wǎng)絡(luò)應(yīng)用的不斷發(fā)展，尤其是黑客技術(shù)的多樣化，網(wǎng)絡(luò)系統(tǒng)面臨著越來(lái)越多的攻擊和安全問(wèn)題。為了有效的保護(hù)網(wǎng)絡(luò)環(huán)境，及時(shí)的發(fā)現(xiàn)攻擊行為，繼防火墻、數(shù)據(jù)加密等傳統(tǒng)安全保護(hù)措施后入侵檢測(cè)作為一種新的安全防護(hù)技術(shù)應(yīng)運(yùn)而生。入侵檢測(cè)技術(shù)分為誤用檢測(cè)和異常檢測(cè)兩種類型，然而就目前研究較為成熟的誤用檢測(cè)來(lái)講，只是將網(wǎng)絡(luò)的數(shù)據(jù)包與現(xiàn)有的攻擊模式進(jìn)行規(guī)則匹配，對(duì)已知攻擊的檢測(cè)率較高，對(duì)未知攻擊或已知攻擊的變種攻擊則無(wú)法做出有效檢測(cè)，極大的限制了入侵檢測(cè)系統(tǒng)

2、在實(shí)際中的應(yīng)用效果。
　　將數(shù)據(jù)挖掘技術(shù)中的聚類分析算法引入到入侵檢測(cè)系統(tǒng)中，可以有效的挖掘網(wǎng)絡(luò)正常行為模型，提高系統(tǒng)檢測(cè)速度并且能夠有效發(fā)現(xiàn)未知攻擊行為。聚類分析算法中的K-Means算法本身由于其算法簡(jiǎn)單、計(jì)算復(fù)雜度低，非常適合于入侵檢測(cè)系統(tǒng)的應(yīng)用，然而該算法仍然存在兩大方面的問(wèn)題:一是其采用隨機(jī)法確定初始聚類中心，不同的初始值可能產(chǎn)生不同的聚類結(jié)果;二是采用爬山式技術(shù)尋找聚類中心導(dǎo)致容易陷入局部最優(yōu)解。
　　基于上述問(wèn)

3、題，本文提出了改進(jìn)的聚類分析算法。首先設(shè)計(jì)了通過(guò)確定兩個(gè)最佳初始聚類中心的算法，該算法有效避免了初始聚類種子隨機(jī)選取而導(dǎo)致的距離過(guò)于鄰近的問(wèn)題;隨后設(shè)計(jì)了對(duì)聚類中心鄰近數(shù)據(jù)對(duì)象進(jìn)行搜索的計(jì)算方法以減少聚類不斷收斂時(shí)運(yùn)行的數(shù)據(jù)量;最后設(shè)計(jì)了基于最大、最小距離的層次聚類與DBI指標(biāo)聯(lián)合確定剩余初始聚類中心的算法，解決了聚類局部最優(yōu)解的問(wèn)題和避免了人工設(shè)置初始聚類中心對(duì)最終聚類造成的不良影響。
　　隨后本文以設(shè)計(jì)的改進(jìn)聚類分析算法為基礎(chǔ)