版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、近年來(lái),網(wǎng)絡(luò)安全問(wèn)題日益嚴(yán)重,網(wǎng)絡(luò)攻擊手段也變得多元化、復(fù)雜化和智能化。傳統(tǒng)的靜態(tài)安全防御技術(shù),例如防火墻、數(shù)據(jù)加密等,已經(jīng)不能夠滿足我們對(duì)網(wǎng)絡(luò)安全的需求。作為一種主動(dòng)、動(dòng)態(tài)的安全防御技術(shù),入侵檢測(cè)技術(shù)近年來(lái)獲得了迅速發(fā)展和廣泛關(guān)注。但是,現(xiàn)有的入侵檢測(cè)方法在實(shí)際應(yīng)用中還存在諸多的問(wèn)題,例如,檢測(cè)精度低、誤警率居高不下等。
針對(duì)現(xiàn)有的入侵檢測(cè)方法所存在的問(wèn)題,本文采用k-modes聚類算法來(lái)檢測(cè)入侵。作為k-means算法的一
2、種有效擴(kuò)展,k-modes算法具有諸多的優(yōu)點(diǎn)。但是,現(xiàn)有的k-modes算法還存在很多問(wèn)題亟待解決,主要包括:(1)距離度量的定義不合理;(2)缺乏有效的機(jī)制來(lái)選擇初始類中心。
為了將k-modes算法更好地應(yīng)用于入侵檢測(cè)中,本文基于粗糙集理論來(lái)解決現(xiàn)有的k-modes算法所存在的問(wèn)題。首先,針對(duì)k-modes聚類在初始類中心選擇方面所存在的問(wèn)題,利用粗糙集中的粗糙熵、屬性重要性等概念來(lái)計(jì)算每個(gè)屬性的權(quán)值,并由此提出一種新的初
3、始類中心選擇算法;其次,提出一種新的k-modes聚類算法,并將該算法應(yīng)用于入侵檢測(cè)中,從而獲得一種新的無(wú)監(jiān)督入侵檢測(cè)模型。我們所提出的入侵檢測(cè)模型無(wú)需預(yù)先對(duì)原始數(shù)據(jù)進(jìn)行類別標(biāo)記,并且能夠從分類型數(shù)據(jù)集中快速、準(zhǔn)確地檢測(cè)出入侵,從而在一定程度上解決了現(xiàn)有的入侵檢測(cè)系統(tǒng)所存在的問(wèn)題。
本文的工作主要包括以下幾個(gè)方面:
?。?)基于加權(quán)密度和加權(quán)重疊距離的初始類中心選擇算法。針對(duì)現(xiàn)有的k-modes聚類算法在初始類中心選擇
4、方面所存在的問(wèn)題,本文提出了一種基于加權(quán)密度和加權(quán)重疊距離的初始類中心選擇算法Ini_Weight。在該算法中,我們通過(guò)計(jì)算對(duì)象的密度以及對(duì)象之間的距離來(lái)選擇初始類中心,而在計(jì)算對(duì)象之間的距離和對(duì)象的密度時(shí),不同的屬性將根據(jù)其重要性的大小被賦予不同的權(quán)重,從而可以有效地體現(xiàn)出不同屬性之間的差異。我們?cè)赨CI數(shù)據(jù)集上驗(yàn)證了Ini_Weight算法的性能,實(shí)驗(yàn)結(jié)果表明,Ini_Weight算法能夠準(zhǔn)確地選擇出聚類中心點(diǎn)。
?。?)基
5、于加權(quán)重疊距離的k-modes聚類算法。在Ini_Weight算法基礎(chǔ)上,我們進(jìn)一步提出了一種新的基于加權(quán)重疊距離的k-modes聚類算法 WODKM。在WODKM算法中,我們采用Ini_Weight算法來(lái)選擇初始中心點(diǎn),并且采用加權(quán)重疊距離度量來(lái)計(jì)算對(duì)象之間的距離,從而可以避免傳統(tǒng)的k-modes算法所存在的問(wèn)題。
(3)無(wú)監(jiān)督入侵檢測(cè)模型UIDM_WODKM。我們將WODKM聚類算法應(yīng)用于入侵檢測(cè)中,從而獲得一種新的無(wú)監(jiān)督
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于粗糙集的聚類算法研究.pdf
- 粗糙集在入侵檢測(cè)中的應(yīng)用研究.pdf
- 粗糙集在入侵檢測(cè)中的應(yīng)用與研究.pdf
- 粗糙集理論及其在入侵檢測(cè)中的應(yīng)用研究.pdf
- 基于粗糙集的聚類算法及應(yīng)用研究.pdf
- 模糊聚類算法及其在入侵檢測(cè)中的應(yīng)用.pdf
- 基于粗糙集的模糊聚類及其圖像分割應(yīng)用.pdf
- 粗糙集理論在入侵檢測(cè)技術(shù)中的應(yīng)用研究.pdf
- 聚類算法在入侵檢測(cè)中的應(yīng)用.pdf
- 基于魚群與粗糙集的聚類算法研究.pdf
- 基于蜂群和粗糙集的聚類算法研究.pdf
- 粗糙集理論在入侵檢測(cè)系統(tǒng)中的應(yīng)用研究.pdf
- 基于粗糙集的入侵檢測(cè)方法研究.pdf
- 鄰域粗糙集及其基于鄰域粗糙集的分類算法.pdf
- 基于粗糙集理論的聚類研究.pdf
- 基于遺傳算法和粗糙集的聚類算法研究.pdf
- 基于粒計(jì)算和粗糙集的聚類算法研究.pdf
- 基于粗糙集和遺傳約簡(jiǎn)算法的入侵檢測(cè)方法研究.pdf
- 基于粗糙集的入侵檢測(cè)模型的研究.pdf
- 基于粗糙集的類別數(shù)據(jù)聚類算法研究.pdf
評(píng)論
0/150
提交評(píng)論