一種基于蟻群聚類的異常網絡入侵檢測算法.pdf

1、隨著計算機的普及和網絡的快速發(fā)展，安全威脅迅速增加，需要采取有效的措施保障計算機系統(tǒng)和網絡的安全運行。入侵檢測技術是近20年來出現的一種動態(tài)的監(jiān)控、預防或抵御系統(tǒng)入侵行為的安全機制。它能在不影響網絡性能的情況下對網絡進行監(jiān)測，從而提供對內部攻擊、外部攻擊和誤操作的實時保護。
　　 通過對現有聚類方法進行深入的分析、比較，得知聚類分析可擴展性強，實效性高，適用于大規(guī)模數據集。其既可以作為一個獨立的工具類使用，也可以作為其它算法的預

2、處理步驟。由于蟻群聚類算法不必預先設定聚類的數目，適用于無監(jiān)督聚類的異常入侵檢測，因此使用蟻群聚類作為異常入侵檢測的預處理步驟，在不具備完整領域知識背景的情況下完成入侵檢測。
　　 本文系統(tǒng)地研究了入侵檢測的基本理論，其中包括入侵檢測的定義、種類和入侵檢測的模型，并分析了當前存在的問題。從中發(fā)現現有的異常入侵檢測算法難以檢測包含混合屬性的數據集及大規(guī)模數據集。本文根據異常數據會偏離正常數據的特性，提出利用類的異常因子解決以上不足

3、。
　　 針對聚類分析及異常檢測方面的問題，本文提出一種基于蟻群聚類的異常網絡入侵檢測算法DANI。先從KDD Cup99數據集中選取合適的數據，分析這些網絡數據的屬性特征并對數據進行標準化處理。然后使用蟻群聚類算法進行聚類，并通過對這些類的異常因子大小的比較，檢測出異常類。最后通過ROC曲線對DANI算法進行評估。
　　 實驗結果表明，DANI算法的時間復雜度與數據集的規(guī)模為線性關系，與屬性個數以及最終簇的個數成近似線