基于SVDD的密度峰值聚類算法及其接入網(wǎng)入侵檢測(cè)研究.pdf

1、隨著信息技術(shù)快速發(fā)展，網(wǎng)絡(luò)技術(shù)應(yīng)用越來越普及，寬帶接入網(wǎng)進(jìn)入了信息化高速發(fā)展階段。社交通訊、電子商務(wù)和電子郵件等網(wǎng)絡(luò)形式的應(yīng)用豐富便利了人類生活的同時(shí)，接入網(wǎng)絡(luò)信息安全也逐漸成為當(dāng)今社會(huì)最突出的問題之一。
　　入侵檢測(cè)方法由于其獨(dú)特優(yōu)勢(shì)，已經(jīng)成為信息安全中不可缺失的技術(shù)手段。然而，接入網(wǎng)絡(luò)匯集點(diǎn)數(shù)據(jù)量大、業(yè)務(wù)類型多且內(nèi)容復(fù)雜，傳統(tǒng)入侵檢測(cè)系統(tǒng)大多基于規(guī)則或事件檢測(cè)方式，不僅精度低或速度慢，對(duì)規(guī)則或事件的依賴性強(qiáng)，已經(jīng)無法滿足現(xiàn)有接

2、入網(wǎng)絡(luò)安全的需求。近年，智能機(jī)器學(xué)習(xí)技術(shù)及其應(yīng)用逐漸完善，尤其是支持向量數(shù)據(jù)描述(SVDD)，在處理大數(shù)據(jù)量、高維度、非線性的單分類問題上取得較好效果。然而，SVDD算法的研究時(shí)間短，理論研究還處于起步階段，且接入網(wǎng)入侵檢測(cè)的目標(biāo)樣本特征分布不均衡，基于SVDD入侵檢測(cè)接入網(wǎng)存在預(yù)測(cè)準(zhǔn)確度明顯偏向多類的不足。
　　針對(duì)上述問題，本文提出了一種基于SVDD的密度峰值聚類算法(DDPC-SVDD)，該算法基本思想是通過SVDD結(jié)合改進(jìn)

3、密度峰值聚類算法(DDPC)，將松散的數(shù)據(jù)集用若干個(gè)緊湊的子簇分界面來進(jìn)行數(shù)據(jù)描述。雖然傳統(tǒng)的密度峰值聚類算法可劃分出若干凸型類簇，但是經(jīng)驗(yàn)選取截?cái)嗑嚯x(dc)值可能導(dǎo)致聚類效果不穩(wěn)定。因此，本文引入適應(yīng)于帶噪點(diǎn)數(shù)據(jù)集的聚類衡量指標(biāo)—調(diào)整的輪廓系數(shù)(ASIL)。通過選取不同dc值計(jì)算ASIL以衡量聚類指標(biāo)，實(shí)現(xiàn)最優(yōu)dc值下最佳聚類效果。聚類后的各子簇再經(jīng)過SVDD生成相應(yīng)的分類器，本文采用自適應(yīng)變異粒子群算法(PSO)解決SVDD參數(shù)尋