基于聚類和支持向量機的網(wǎng)絡(luò)入侵檢測.pdf

1、隨著計算機技術(shù)和通信技術(shù)的迅猛發(fā)展，計算機安全問題更加突出和復(fù)雜，入侵檢測技術(shù)是目前保證計算機安全的必要手段?；谏鲜鲅芯勘尘埃疚挠脭?shù)據(jù)挖掘中孤立點分析方法的入侵檢測算法，開展了基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)入侵檢測研究。
　　首先，基于模糊C均值聚類的入侵檢測算法利用了一種新的距離定義，使算法能夠處理異構(gòu)的網(wǎng)絡(luò)源數(shù)據(jù)?；谛蛄凶钚?yōu)化的入侵檢測算法不能夠處理離散型的數(shù)據(jù)，所以構(gòu)造了一種基于距離的新核函數(shù)，使異構(gòu)數(shù)據(jù)能通過構(gòu)造的核函數(shù)映射到

2、高維空間上。尋找一個包含目標類的最優(yōu)超球體，將目標類數(shù)據(jù)與所有異常數(shù)據(jù)區(qū)分開，可以認為超球體外部的點是異常點。
　　其次，將聚類和支持向量機算法結(jié)合在一起，這種方法通過減少支持向量機算法訓(xùn)練集規(guī)模的方法來降低算法的訓(xùn)練時間。在檢測時，通過將網(wǎng)絡(luò)數(shù)據(jù)包和聚類算法生成的聚類中心進行比較來確定是否需要進一步采用支持向量機分類，從而只將一部分對于聚類算法比較難于分類的數(shù)據(jù)包送往序列最小優(yōu)化算法分類。這樣將大大減少通過支持向量機分類的數(shù)據(jù)數(shù)