基于量子粒子群優(yōu)化和半監(jiān)督聚類的入侵防御技術(shù)研究.pdf

1、傳統(tǒng)的計算機網(wǎng)絡(luò)安全技術(shù)主要包括防火墻和入侵檢測系統(tǒng),但是這些方法都有其自身的不足,入侵防御技術(shù)作為一種防護計算機網(wǎng)絡(luò)免遭入侵破壞的有效手段正日益受到研究人員的高度重視,成為目前信息安全領(lǐng)域的研究熱點之一。
　　本文針對基于無監(jiān)督學(xué)習(xí)的入侵檢測聚類算法檢測率低、基于監(jiān)督學(xué)習(xí)的入侵檢測算法的訓(xùn)練樣本不足,并且對未知的入侵行為檢測率較低等問題,首先,提出了一個基于量子粒子群優(yōu)化的半監(jiān)督模糊聚類算法,同時為了能夠克服傳統(tǒng)FCM中Eucl

2、idean距離只能用來處理球狀數(shù)據(jù)集且對噪音和野值數(shù)據(jù)敏感等缺陷,本文提出了一個新的目標函數(shù),即使用Bray-Curtis距離代替?zhèn)鹘y(tǒng)的Euclidean距離,并在該算法中加入一個懲罰項來處理受到噪音污染或人工影響的球狀或非球狀的數(shù)據(jù)集,從而避免差的結(jié)果。實驗結(jié)果表明,算法的整體檢測效果明顯優(yōu)于其它入侵檢測算法。
　　其次,針對目前計算機技術(shù)的不斷發(fā)展,涌現(xiàn)出各種各樣的海量數(shù)據(jù),這些數(shù)據(jù)導(dǎo)致許多學(xué)習(xí)算法面臨“維數(shù)災(zāi)難”的問題。本文

3、提出了一個新的基于成對約束的半監(jiān)督降維聚類算法,同時,針對Grira等近期提出的利用點對約束的半監(jiān)督模糊聚類算法,其約束項與競爭聚類算法(CA)的目標函數(shù)之間數(shù)量級不一致,并且競爭項缺乏直觀的解釋,因此在重新定義目標函數(shù)的基礎(chǔ)上提出一種更加合理的半監(jiān)督模糊聚類算法:約束懲罰函數(shù)采用約束點對中兩個樣本新的聯(lián)合表達式,使數(shù)量級與經(jīng)典模糊聚類算法一致;在競爭項中引入Renyi熵,可以防止聚類算法過早收斂,并且可以在算法接近其真正的聚類數(shù)目時加