入侵檢測中模糊C-均值聚類算法研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)和應(yīng)用的發(fā)展，網(wǎng)絡(luò)攻擊和破壞的事件也層出不窮.網(wǎng)絡(luò)安全問題日益突出，如何迅速有效地發(fā)現(xiàn)入侵行為，對保證系統(tǒng)和網(wǎng)絡(luò)資源的安全顯得十分重要。傳統(tǒng)的防火墻等靜態(tài)防御方式已很難滿足網(wǎng)絡(luò)安全的需求，而入侵檢測作為一種積極主動的安全防護(hù)技術(shù)，是信息安全保護(hù)體系結(jié)構(gòu)中的一個重要組成部分，入侵檢測方法和技術(shù)的研究已經(jīng)引起人們越來越多的重視?；诰垲惙治龅娜肭謾z測方法是一種典型的無監(jiān)督學(xué)習(xí)技術(shù)，可以在未標(biāo)識的數(shù)據(jù)集上直接訓(xùn)練數(shù)據(jù)，建立入侵檢測

2、模型，檢測異常數(shù)據(jù)，無需專家手工建立規(guī)則庫，對提高入侵檢測系統(tǒng)的效率有著重大的實際意義。但現(xiàn)有的模糊C-均值聚類方法有其缺點，在入侵檢測的應(yīng)用中得不到滿意的效果。
　　 本文基于上述研究背景，開展了以模糊C-均值聚類算法為基礎(chǔ)的網(wǎng)絡(luò)入侵檢測研究，以提高入侵檢測系統(tǒng)的檢測率，降低入侵檢測系統(tǒng)的誤報率為目標(biāo)。主要工作包括：首先，在分析當(dāng)前入侵檢測技術(shù)的現(xiàn)狀、存在的問題和聚類分析方法的基礎(chǔ)上，設(shè)計了一個基于模糊聚類的入侵檢測系統(tǒng)框架，

3、介紹框架每個模塊的功能。其次，針對經(jīng)典模糊C-均值算法聚類中心個數(shù)C難以確定的問題，提出了一種求聚類中心個數(shù)的算法；利用Mahalanobis距離的優(yōu)點，提出了一個新的目標(biāo)函數(shù)；針對模糊C-均值算法對初始值敏感，容易陷入局部值點而得不到最優(yōu)解的缺點，結(jié)合粒子群算法的隨機(jī)全局搜索優(yōu)化的特點，將粒子群算法引入到改進(jìn)的模糊C-均值算法中。最后，利用KDDCUP1999數(shù)據(jù)集對系統(tǒng)進(jìn)行測試。實驗結(jié)果表明，該系統(tǒng)具有較高的檢測率和較低的誤報率，提