面向入侵檢測的聚類算法研究.pdf

1、在網(wǎng)絡(luò)安全問題日益突出的今天,如何迅速而有效地利用基于數(shù)據(jù)挖掘的入侵檢測系統(tǒng)發(fā)現(xiàn)各種入侵行為,對于保證系統(tǒng)和網(wǎng)絡(luò)資源的安全十分重要.傳統(tǒng)的面向入侵檢測的數(shù)據(jù)挖掘技術(shù)需要在大量的已標(biāo)記數(shù)據(jù)集上建立入侵檢測模型,數(shù)據(jù)集的標(biāo)記過程需要以手工的方式進行,并且如果標(biāo)記錯誤,將導(dǎo)致入侵檢測系統(tǒng)檢測效率的降低.以聚類為代表的無監(jiān)督異常檢測方法可以在無標(biāo)記數(shù)據(jù)集上發(fā)現(xiàn)異常數(shù)據(jù),克服了傳統(tǒng)數(shù)據(jù)挖掘方法的缺陷,使標(biāo)記數(shù)據(jù)集和入侵檢測建模過程自動化,成為了入

2、侵檢測的有力工具.為了提高聚類算法的效率,針對傳統(tǒng)的發(fā)現(xiàn)異常數(shù)據(jù)算法存在的時間復(fù)雜度較大的缺陷,設(shè)計了一種面向入侵檢測的聚類算法KnnCT.算法主要包含兩個步驟:首先利用一個的聚類算法依據(jù)一定的聚類寬度對數(shù)據(jù)集進行聚類,根據(jù)生成聚類中包含的記錄個數(shù),把包含較少記錄的一定比率聚類組成的集合作為異常記錄候選集;接下來在異常記錄候選集中根據(jù)記錄與其k個最近鄰居的距離和找出其中包含的異常,在這個過程中通過引入分塊讀取數(shù)據(jù)和閾值技術(shù),排除了大部分