基于鄰域關(guān)系的離群數(shù)據(jù)挖掘算法研究.pdf

1、隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的不斷發(fā)展,網(wǎng)絡(luò)安全問(wèn)題日益突出。單一傳統(tǒng)的靜態(tài)網(wǎng)絡(luò)安全技術(shù)如防火墻、數(shù)字加密策略等往往無(wú)法滿足用戶需求。網(wǎng)絡(luò)異常檢測(cè),作為一種重要的動(dòng)態(tài)網(wǎng)絡(luò)安全防御技術(shù),越來(lái)越受到研究者與網(wǎng)絡(luò)用戶的關(guān)注,目前已成為網(wǎng)絡(luò)入侵檢測(cè)領(lǐng)域重要研究方向之一。當(dāng)前已有的網(wǎng)絡(luò)異常檢測(cè)方法普遍存在著誤測(cè)率較高、檢測(cè)精度不夠等問(wèn)題,為解決這些問(wèn)題,本文以粒計(jì)算鄰域模型為基礎(chǔ),重點(diǎn)研究基于鄰域關(guān)系的離群數(shù)據(jù)挖掘方法及其在網(wǎng)絡(luò)異常檢測(cè)中的拓展。主要開(kāi)展了

2、以下研究工作:
　　1.提出了基于鄰域關(guān)系的離群檢測(cè)算法 NROD(Neighborhood Relation-Based Outlier Detection)。該算法定義了鄰域劃分,形成鄰域粒子,并通過(guò)相對(duì)鄰域熵(Relative Neighborhood Entropy)的概念來(lái)確定各個(gè)對(duì)象的異常程度,利用了其度量數(shù)據(jù)對(duì)象之間不確定性的優(yōu)勢(shì),準(zhǔn)確、有效地挖掘異常數(shù)據(jù)對(duì)象。
　　2.將 NROD算法研究相關(guān)的相對(duì)鄰域熵概念

3、引入直推信度機(jī) TCM(Transductive confidence machines)算法框架中,利用相對(duì)鄰域信息熵作為度量數(shù)據(jù)對(duì)象異常程度的新工具,重新定義了算法中的離群度(Strangeness),提出了一種基于相對(duì)鄰域熵的網(wǎng)絡(luò)異常檢測(cè)算法 TCM-RNE(Transductive confidence machines for Relative Neighborhood Entropy)。
　　3.針對(duì)所提出的NROD算

4、法和TCM-RNE算法,分別在UCI數(shù)據(jù)集和KDD Cup1999數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)驗(yàn)證和分析。實(shí)驗(yàn)表明,NROD算法相比傳統(tǒng)離群檢測(cè)算法,在處理混合數(shù)據(jù)類型以及連續(xù)性數(shù)據(jù)類型的離群數(shù)據(jù)挖掘任務(wù)時(shí),誤測(cè)率更低,檢測(cè)準(zhǔn)確率更優(yōu),算法有效可行。另一方面,相比李洋等提出的改進(jìn)TCM-KNN(K-nearest neighbors)算法,當(dāng)異常數(shù)據(jù)占比1％~2%時(shí),TCM-RNE算法在特定的攻擊類型情況下(如U2R攻擊類型)的準(zhǔn)確率略優(yōu),但對(duì)所