蟻群分類算法的改進(jìn)及在入侵檢測中的應(yīng)用.pdf

1、入侵檢測中需要對大量的審計數(shù)據(jù)進(jìn)行分析，基于數(shù)據(jù)挖掘的入侵檢測是以數(shù)據(jù)為中心的思想，在大量審計數(shù)據(jù)中發(fā)現(xiàn)用以區(qū)分正常入侵行為的模式。提高基于數(shù)據(jù)挖掘的入侵檢測性能，很重要的一點就是使用高性能的挖掘算法，算法的智能化是一個主要的研究方向。本文的研究將一種新穎的高效智能分類算法首次應(yīng)用到了入侵檢測中。本文的工作主要集中在下面兩點： 其一是蟻群分類算法的改進(jìn)?；谝?guī)則的分類算法的一個重要問題是如何以較短的規(guī)則獲取較高的分類準(zhǔn)確率，而規(guī)

2、則長度和分類準(zhǔn)確率是一對矛盾，不可能同時達(dá)到最優(yōu)。本文構(gòu)造了一個新的規(guī)則質(zhì)量函數(shù)，提供了兩個參數(shù)實現(xiàn)預(yù)測準(zhǔn)確度和規(guī)則長度權(quán)值的在大的范圍內(nèi)可調(diào)整，試驗證明這一改動是成功的。另外還在蟻群分類中引入了多蟻群并行工作的思想，加上其他一些零星的改動，算法在多數(shù)數(shù)據(jù)集上能以較短的規(guī)則獲得較高的的準(zhǔn)確率，相比原算法性能有大幅度的提高，并通過大量實驗證明了其分類性能。 其二就是把蟻群算法用在了入侵網(wǎng)絡(luò)誤用檢測中?，F(xiàn)有的很多軟計算方法都已用被用

3、在了入侵檢測中，但是基于蟻群算法的入侵檢測目前尚未有人研究。由于蟻群分類算法的計算復(fù)雜度和啟發(fā)式貪婪搜索算法Ripper相同，而Ripper因算法復(fù)雜度和訓(xùn)練實例數(shù)無關(guān)而被認(rèn)為是最適合入侵建模的算法，再加上改進(jìn)之后的算法引入了彈性機(jī)制，因此改進(jìn)后的蟻群分類是很適合異常檢測的。本文使用改進(jìn)后的算法網(wǎng)絡(luò)入侵?jǐn)?shù)據(jù)集KDDCUP99上進(jìn)行了檢測實驗，在經(jīng)過數(shù)據(jù)清理，經(jīng)屬性約簡和離散化等預(yù)處理后，對其進(jìn)行了挖掘?qū)嶒?，對實驗結(jié)果進(jìn)行了相關(guān)分柝，證明