蟻群分類算法的改進及在入侵檢測中的應用.pdf

1、入侵檢測中需要對大量的審計數(shù)據(jù)進行分析，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?；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確率，而規(guī)

2、則長度和分類準確率是一對矛盾，不可能同時達到最優(yōu)。本文構造了一個新的規(guī)則質量函數(shù)，提供了兩個參數(shù)實現(xiàn)預測準確度和規(guī)則長度權值的在大的范圍內可調整，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雜度和啟發(fā)式貪婪搜索算法Ripper相同，而Ripper因算法復雜度和訓練實例數(shù)無關而被認為是最適合入侵建模的算法，再加上改進之后的算法引入了彈性機制，因此改進后的蟻群分類是很適合異常檢測的。本文使用改進后的算法網(wǎng)絡入侵數(shù)據(jù)集KDDCUP99上進行了檢測實驗，在經(jīng)過數(shù)據(jù)清理，經(jīng)屬性約簡和離散化等預處理后，對其進行了挖掘實驗，對實驗結果進行了相關分柝，證明