基于SVDD的密度峰值聚類算法及其接入網(wǎng)入侵檢測研究.pdf_第1頁
已閱讀1頁,還剩74頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明: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),請進行舉報或認領(lǐng)

文檔簡介

1、隨著信息技術(shù)快速發(fā)展,網(wǎng)絡(luò)技術(shù)應(yīng)用越來越普及,寬帶接入網(wǎng)進入了信息化高速發(fā)展階段。社交通訊、電子商務(wù)和電子郵件等網(wǎng)絡(luò)形式的應(yīng)用豐富便利了人類生活的同時,接入網(wǎng)絡(luò)信息安全也逐漸成為當今社會最突出的問題之一。
  入侵檢測方法由于其獨特優(yōu)勢,已經(jīng)成為信息安全中不可缺失的技術(shù)手段。然而,接入網(wǎng)絡(luò)匯集點數(shù)據(jù)量大、業(yè)務(wù)類型多且內(nèi)容復雜,傳統(tǒng)入侵檢測系統(tǒng)大多基于規(guī)則或事件檢測方式,不僅精度低或速度慢,對規(guī)則或事件的依賴性強,已經(jīng)無法滿足現(xiàn)有接

2、入網(wǎng)絡(luò)安全的需求。近年,智能機器學習技術(shù)及其應(yīng)用逐漸完善,尤其是支持向量數(shù)據(jù)描述(SVDD),在處理大數(shù)據(jù)量、高維度、非線性的單分類問題上取得較好效果。然而,SVDD算法的研究時間短,理論研究還處于起步階段,且接入網(wǎng)入侵檢測的目標樣本特征分布不均衡,基于SVDD入侵檢測接入網(wǎng)存在預測準確度明顯偏向多類的不足。
  針對上述問題,本文提出了一種基于SVDD的密度峰值聚類算法(DDPC-SVDD),該算法基本思想是通過SVDD結(jié)合改進

3、密度峰值聚類算法(DDPC),將松散的數(shù)據(jù)集用若干個緊湊的子簇分界面來進行數(shù)據(jù)描述。雖然傳統(tǒng)的密度峰值聚類算法可劃分出若干凸型類簇,但是經(jīng)驗選取截斷距離(dc)值可能導致聚類效果不穩(wěn)定。因此,本文引入適應(yīng)于帶噪點數(shù)據(jù)集的聚類衡量指標—調(diào)整的輪廓系數(shù)(ASIL)。通過選取不同dc值計算ASIL以衡量聚類指標,實現(xiàn)最優(yōu)dc值下最佳聚類效果。聚類后的各子簇再經(jīng)過SVDD生成相應(yīng)的分類器,本文采用自適應(yīng)變異粒子群算法(PSO)解決SVDD參數(shù)尋

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(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)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(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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)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