基于改進層次聚類法與支持向量機的入侵檢測技術研究.pdf

1、目前網絡技術高度發(fā)達，互聯(lián)網的應用已經深入社會的各個層面，極大促進了社會發(fā)展。但是互聯(lián)網安全問題也日益突出，黑客攻擊、隱私泄露等事件層出不窮，網絡入侵行為甚至已經對我國的國家安全構成了威脅，對于網絡安全技術的研究很有必要。在各種網絡安全技術中，入侵檢測是一種通過掃描分析網絡數(shù)據流，探測異?；顒拥募夹g。這種技術能有效發(fā)現(xiàn)入侵行為，是目前的網絡安全領域研究熱點之一。
　　在入侵檢測的兩類算法聚類和支持向量機中，支持向量機檢測快、精度高

2、，但需要已標類數(shù)據訓練；聚類可以分類未標類數(shù)據，但檢測速度和精度不夠理想。本文結合了聚類算法和支持向量機算法，只需把訓練數(shù)據集少量標類用于尋找參數(shù)，即可將未標記的訓練集用聚類進行分類，將其作為支持向量機的訓練數(shù)據，這樣就能在無需手動標記大量樣本的情況下完成支持向量機的訓練。在檢測階段使用建立的支持向量機模型進行測試數(shù)據集的檢測。以此融合算法優(yōu)點，互相彌補缺點，將聚類算法能分類未標類數(shù)據的優(yōu)點和支持向量機高精度高速度檢測的優(yōu)點結合起來，使

3、得訓練數(shù)據的準備工作更為簡便，算法的實用度更高。
　　在層次聚類方面，本文通過研究提出了改進層次聚類法，主要進行了兩方面的工作：第一，在聚類計算的過程中引入一個距離矩陣，存儲計算中需要用到的各個距離量，這樣就能在保證正確率的情況下提高聚類速度，讓入侵檢測系統(tǒng)的訓練更為高效。第二，提出了新的聚類參數(shù)尋找算法，該算法能夠快速找到一個聚類參數(shù)的最優(yōu)值，簡化了參數(shù)的確定過程，提高了算法的運行效率，能夠更為有效的完成相關實驗。
　　為

4、進行相關研究，本文基于Visual C++平臺，設計并實現(xiàn)了入侵檢測實驗系統(tǒng)，系統(tǒng)包含數(shù)據預處理、參數(shù)確定、數(shù)據訓練、數(shù)據檢測等模塊。該系統(tǒng)功能完備，能夠結合SQL數(shù)據庫處理入侵數(shù)據。在數(shù)據預處理模塊中，本文設計了能夠量化多種數(shù)據集的通用量化法，能夠自動識別數(shù)據集中的字符串，并為每種字符串分配唯一編號完成量化，擴展了系統(tǒng)使用范圍。利用該系統(tǒng)進行了入侵檢測的相關實驗，并和已有研究成果進行了比較，驗證了本文所研究的算法可以有效的檢測入侵行為