

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
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
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 自適應(yīng)模糊C-均值聚類算法研究.pdf
- 改進(jìn)的模糊C-均值聚類算法.pdf
- 基于模糊C均值聚類算法的入侵檢測方法.pdf
- 模糊C-均值聚類的研究.pdf
- 模糊C-均值算法在入侵檢測系統(tǒng)中的應(yīng)用研究.pdf
- 改進(jìn)模糊C-均值聚類算法的數(shù)據(jù)挖掘研究.pdf
- 基于核方法改進(jìn)的模糊C-均值聚類算法.pdf
- 模糊C-均值聚類算法及其在圖像分割中的應(yīng)用.pdf
- 全局模糊C-均值聚類算法在色彩遷移中的應(yīng)用.pdf
- C-均值聚類算法的改進(jìn)研究.pdf
- 基于差分進(jìn)化的模糊C-均值聚類算法研究.pdf
- 融合粒子群和蛙跳算法的模糊C-均值聚類算法研究.pdf
- 改進(jìn)的模糊C-均值算法在文本聚類中的應(yīng)用研究.pdf
- 基于中智C-均值聚類的分割算法研究.pdf
- 融合蟻堆聚類與模糊C-均值聚類的算法研究和分析.pdf
- 模糊C-均值算法改進(jìn)研究.pdf
- 模糊c-均值算法的研究.pdf
- 基于改進(jìn)粒子群算法的C-均值聚類算法研究.pdf
- 基于模糊C-均值聚類的圖像分割技術(shù)研究.pdf
- 基于Spark的模糊c均值聚類算法研究.pdf
評論
0/150
提交評論