![](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/14/18/290bc430-e1f9-4ccc-99b5-76be879bce87/290bc430-e1f9-4ccc-99b5-76be879bce87pic.jpg)
![LEGC1ust聚類(lèi)算法在入侵檢測(cè)中的應(yīng)用研究.pdf_第1頁(yè)](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/14/18/290bc430-e1f9-4ccc-99b5-76be879bce87/290bc430-e1f9-4ccc-99b5-76be879bce871.gif)
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、隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的飛速發(fā)展和網(wǎng)絡(luò)應(yīng)用范圍的不斷擴(kuò)大,各種網(wǎng)絡(luò)攻擊與破壞與日俱增,網(wǎng)絡(luò)安全問(wèn)題日益突出。如何有效并及時(shí)地發(fā)現(xiàn)各種入侵行為,對(duì)計(jì)算機(jī)操作系統(tǒng)和網(wǎng)絡(luò)資源的安全防御極其重要。傳統(tǒng)的靜態(tài)網(wǎng)絡(luò)安全技術(shù),如防火墻、殺毒軟件等,已經(jīng)很難滿足網(wǎng)絡(luò)安全的需求。而入侵檢測(cè)系統(tǒng)作為一種積極主動(dòng)的安全防御技術(shù),已成為信息安全保護(hù)體系結(jié)構(gòu)中的一個(gè)重要組成部分。
數(shù)據(jù)挖掘是一種有效的入侵檢測(cè)技術(shù)之一,該技術(shù)通過(guò)對(duì)網(wǎng)絡(luò)數(shù)據(jù)和系統(tǒng)日志進(jìn)行
2、分析,可挖掘出日常計(jì)算機(jī)操作數(shù)據(jù)中潛在的規(guī)則。聚類(lèi)分析是數(shù)據(jù)挖掘中一種典型的無(wú)監(jiān)督學(xué)習(xí)技術(shù),該技術(shù)可在未標(biāo)記的計(jì)算機(jī)行為數(shù)據(jù)中直接建立入侵檢測(cè)模型,發(fā)現(xiàn)異常操作行為,對(duì)提高入侵檢測(cè)系統(tǒng)的效率有重大的研究?jī)r(jià)值。
LEGClust算法是一種新的聚類(lèi)分析技術(shù)。該算法通過(guò)考慮數(shù)據(jù)元素周?chē)徑鼣?shù)據(jù)的局部特征,采用Renyi二次熵來(lái)構(gòu)建相異度矩陣,從而可有效的發(fā)現(xiàn)數(shù)據(jù)內(nèi)所隱含的任意形狀簇?;谏鲜鰞?yōu)點(diǎn),本文將該算法應(yīng)用于入侵檢測(cè)中,對(duì)
3、日常操作行為數(shù)據(jù)進(jìn)行建模,提出一種新的入侵檢測(cè)方法。LEGClust算法通過(guò)構(gòu)建一個(gè)鄰近矩陣來(lái)確定數(shù)據(jù)元素之間的連接性,進(jìn)而確定簇與簇的合并過(guò)程。該過(guò)程僅考慮了數(shù)據(jù)之間的鄰近性,卻忽略了數(shù)據(jù)之間的真實(shí)相異度,從而有可能導(dǎo)致異常簇被合并到正常簇中,使得入侵檢測(cè)的性能下降。針對(duì)該問(wèn)題,本文將數(shù)據(jù)之間的真實(shí)相異度——?dú)W幾里得距離,引入數(shù)據(jù)之間連接關(guān)系的確定中,提出一種基于LEGClust聚類(lèi)算法的入侵檢測(cè)方法。在KDD CUP1999數(shù)據(jù)集中
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(méi)有圖紙預(yù)覽就沒(méi)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
- 聚類(lèi)算法在入侵檢測(cè)系統(tǒng)中的應(yīng)用研究.pdf
- 聚類(lèi)算法在入侵檢測(cè)中的應(yīng)用.pdf
- 聚類(lèi)算法和分類(lèi)算法在入侵檢測(cè)中的應(yīng)用研究.pdf
- 改進(jìn)的模糊聚類(lèi)算法在入侵檢測(cè)中的應(yīng)用研究.pdf
- 協(xié)議分析及聚類(lèi)算法在入侵檢測(cè)中的應(yīng)用研究.pdf
- 模糊聚類(lèi)在入侵檢測(cè)中的應(yīng)用研究.pdf
- 模糊聚類(lèi)算法及其在入侵檢測(cè)中的應(yīng)用.pdf
- 改進(jìn)的聚類(lèi)算法在入侵檢測(cè)中的應(yīng)用.pdf
- 蟻群聚類(lèi)算法在入侵檢測(cè)中的應(yīng)用研究.pdf
- 基于近鄰傳播聚類(lèi)的離群檢測(cè)算法在入侵檢測(cè)中的應(yīng)用研究.pdf
- 分布式聚類(lèi)及其在入侵檢測(cè)中的應(yīng)用研究.pdf
- 入侵檢測(cè)系統(tǒng)中的聚類(lèi)算法研究.pdf
- 元啟發(fā)式聚類(lèi)算法及其在入侵檢測(cè)的應(yīng)用研究.pdf
- 譜聚類(lèi)研究及其在入侵檢測(cè)中的應(yīng)用.pdf
- K-means聚類(lèi)算法在網(wǎng)絡(luò)入侵檢測(cè)中的應(yīng)用研究.pdf
- 聚類(lèi)算法及其在頁(yè)面聚類(lèi)中的應(yīng)用研究
- 基于聚類(lèi)的離群點(diǎn)挖掘在入侵檢測(cè)中的應(yīng)用研究.pdf
- art神經(jīng)網(wǎng)絡(luò)聚類(lèi)算法及其在入侵檢測(cè)中的應(yīng)用
- 改進(jìn)的聚類(lèi)與決策樹(shù)算法在入侵檢測(cè)中的應(yīng)用.pdf
- 一種螞蟻聚類(lèi)算法及其在入侵檢測(cè)中應(yīng)用的研究.pdf
評(píng)論
0/150
提交評(píng)論