基于關聯(lián)修正的無監(jiān)督入侵檢測算法研究.pdf_第1頁
已閱讀1頁,還剩51頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著互聯(lián)網(wǎng)技術的進步,網(wǎng)絡數(shù)據(jù)、對象和流程相互融合并且不斷發(fā)展,信息技術在人類的現(xiàn)實生活中發(fā)揮著越來越大的作用。伴隨著網(wǎng)絡攻擊技術的不斷提高,網(wǎng)絡的安全性受到前所未有的威脅,單純依靠防火墻等防護措施已不能保證互聯(lián)網(wǎng)的安全,提高入侵檢測技術來應對日益發(fā)展的網(wǎng)絡攻擊手段勢在必行。
  當前背景下,網(wǎng)絡IDS使用的算法通常是采取帶標記或絕對正常的數(shù)據(jù)來訓練,本文將無監(jiān)督的模糊c均值聚類(FCM)算法引入進入侵檢測中,使入侵檢測系統(tǒng)可以直

2、接處理無標記的、原始的在網(wǎng)絡上獲得的數(shù)據(jù)。提出一種全新的基于粒子群改進的FCM算法并給出一種可自適應性的給出聚類個數(shù)K的方法;并對無監(jiān)督聚類得到的結果進行關聯(lián)修正,使得IDS的準確率和自適應能力得到很大的增強。本文的主要工作:
  首先,介紹了入侵檢測和無監(jiān)督聚類分析的相關技術,研究了無監(jiān)督聚類在入侵檢測中的應用,給予了將聚類分析應用于入侵檢測系統(tǒng)的理論支持。
  其次,在對入侵檢測和無監(jiān)督模糊c均值聚類算法深入研究的基礎上

3、,利用粒子群算法容易實現(xiàn)全局最優(yōu)的特點,基于粒子群對FCM算法進行改進,以解決FCM應用于入侵檢測系統(tǒng)時容易陷入局部最優(yōu)的缺陷。實驗結果表明,將改進的FCM算法應用于入侵檢測,檢測的準確率得到有效的提高。作者針對人為給定的聚類個數(shù)可能與實際情況不符而造成聚類結果不準確的情況,研究了一種自適應決定聚類數(shù)量的辦法,該方法根據(jù)具體的數(shù)據(jù)來確定不同的閾值,使正常和異常數(shù)據(jù)得到更加準確的劃分,增強了聚類分析的自適應能力。
  然后,提出一種

4、可以提高效率、減少運算量的改進關聯(lián)Apriori算法,并用其對單一使用無監(jiān)督聚類算法得到的結果進行關聯(lián)修正,降低了在入侵檢測系統(tǒng)中僅僅采取聚類分析所導致的準確率不高、誤報較多的現(xiàn)象。
  最后,設計了一種基于關聯(lián)修正的無監(jiān)督入侵檢測模型,使用經(jīng)過預處理之后的KDDCup1999數(shù)據(jù)集對模型進行驗證。用混合攻擊類型數(shù)據(jù)對改進前后的算法進行實驗,并用經(jīng)過關聯(lián)修正的無監(jiān)督入侵檢測與單一使用聚類的入侵檢測進行實驗對比,結果表明,本文所提出

溫馨提示

  • 1. 本站所有資源如無特殊說明,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,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論