發(fā)布時(shí)間：2017-11-15 04:19

  本文關(guān)鍵詞：改進(jìn)的模糊聚類算法在入侵檢測中的應(yīng)用研究

  更多相關(guān)文章： 入侵檢測 數(shù)據(jù)挖掘 聚類分析 FCM算法 樸素貝葉斯

【摘要】：當(dāng)前信息化技術(shù)的高速發(fā)展給人們的日常生活帶來極大的便捷。一方面互聯(lián)互通的互聯(lián)網(wǎng)所具備的開放特性在很大程度上方便了各種信息資源的共享,開創(chuàng)并且拓寬了共享資源的途徑;另一方面,伴隨著人類在政治、軍事、經(jīng)濟(jì)和工業(yè)等領(lǐng)域?qū)π畔⒒芾砗吞幚淼囊蕾囋絹碓酱?卻因?yàn)樾畔⒕W(wǎng)絡(luò)在最初的設(shè)計(jì)上對(duì)安全問題的不夠重視,逐漸使得互聯(lián)網(wǎng)當(dāng)中信息的安全性受到嚴(yán)重威脅。如今,信息安全問題已經(jīng)成為影響社會(huì)、民生乃至國家安全的重要問題。為應(yīng)對(duì)信息安全威脅而產(chǎn)生的加密技術(shù)、防火墻技術(shù)、冗余技術(shù)等傳統(tǒng)的被動(dòng)安全防護(hù)手段,盡管能夠解決部分安全問題,但由于其被動(dòng)防御的根本性質(zhì),在各種各樣的網(wǎng)絡(luò)攻擊不斷更新、變種的復(fù)雜網(wǎng)絡(luò)環(huán)境中,以往的被動(dòng)防御技術(shù)由于其不具備主動(dòng)防御的功效而顯得非常脆弱,基于此,為了在最大程度上與防火墻技術(shù)這樣的一些被動(dòng)防御技術(shù)形成互為補(bǔ)充的效果,專家學(xué)者將入侵檢測這樣的一種主動(dòng)防御技術(shù)引入網(wǎng)絡(luò)信息安全防護(hù)領(lǐng)域。數(shù)據(jù)挖掘作為一種能從海量數(shù)據(jù)中提取出有用知識(shí)的重要技術(shù),近年來已廣泛應(yīng)用于入侵檢測之中,有效提高了入侵檢測系統(tǒng)性能。而基于數(shù)據(jù)挖掘中的模糊聚類分析技術(shù)所建立的入侵檢測模型對(duì)數(shù)據(jù)的處理靈活且較為有效,檢測出未知攻擊的能力很強(qiáng)并且在一定條件下能取得不錯(cuò)的聚類效果。但是單純的算法本身在實(shí)際應(yīng)用中還存在明顯的缺陷,因此圍繞算法本身進(jìn)行改進(jìn)顯得尤為必要,而本文所做的主要工作是研究分析和改進(jìn)模糊聚類算法在入侵檢測中的應(yīng)用。本文首先從傳統(tǒng)的模糊C均值(FCM)聚類算法入手,針對(duì)傳統(tǒng)FCM算法隨機(jī)選取初始聚類中心易陷入局部最優(yōu)解,以及FCM算法中對(duì)象與聚類中心距離的迭代計(jì)算的計(jì)算量大這兩方面不足,一是提出基于點(diǎn)密度值抽樣的最大最小距離法來優(yōu)選初始聚類中心,二是提出迭代過程中聚類中心動(dòng)態(tài)固定的方法來減小算法復(fù)雜度。然后引入樸素貝葉斯分類,與改進(jìn)的FCM算法相結(jié)合構(gòu)建入侵檢測模塊,以此進(jìn)一步提高系統(tǒng)的檢測率和降低誤報(bào)率。最后,先是采用兩種數(shù)據(jù)集對(duì)改進(jìn)的FCM算法和傳統(tǒng)FCM算法進(jìn)行實(shí)驗(yàn)對(duì)比,結(jié)果表明改進(jìn)算法在聚類準(zhǔn)確率和算法穩(wěn)定度上表現(xiàn)更優(yōu);然后采用入侵檢測KDD CUP99數(shù)據(jù)集對(duì)上述的改進(jìn)算法與樸素貝葉斯分類相結(jié)合的混合檢測模型進(jìn)行仿真實(shí)驗(yàn),驗(yàn)證了該模型在檢測率和誤報(bào)率上能夠得到更好的檢測結(jié)果。
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP393.08;TP311.13

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 趙夫群;羅廣軍;;模糊聚類算法應(yīng)用研究[J];福建電腦;2009年05期

2 彭麗英;董佳佳;;模糊聚類算法分析及程序?qū)崿F(xiàn)[J];信息系統(tǒng)工程;2009年10期

3 黃曉斌,馬曉巖,秦江敏;一種區(qū)域型模糊聚類算法[J];計(jì)算機(jī)工程與應(yīng)用;2002年21期

4 盧秋根;;模糊聚類算法的研究與實(shí)現(xiàn)[J];電腦知識(shí)與技術(shù);2008年27期

5 張宏怡;吳秀偉;章忠威;;改進(jìn)的離群核模糊聚類算法[J];計(jì)算機(jī)工程;2009年11期

6 高翠芳;吳小俊;張松順;;改進(jìn)的半監(jiān)督模糊聚類算法[J];控制與決策;2010年01期

7 汪勇;金菲;張瑞軍;;引導(dǎo)函數(shù)支配的進(jìn)化模糊聚類算法[J];系統(tǒng)工程理論與實(shí)踐;2011年02期

8 劉兵;夏士雄;周勇;韓旭東;;基于樣本加權(quán)的可能性模糊聚類算法[J];電子學(xué)報(bào);2012年02期

9 李凱;李娜;陳武;;一種基于廣義熵的模糊聚類算法[J];計(jì)算機(jī)工程;2012年13期

10 張鴻彥;許奇功;;模糊聚類算法的優(yōu)化設(shè)計(jì)[J];河南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年04期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前2條

1 吳書;姜青山;董槐林;林景亮;;一種新的類屬型數(shù)據(jù)模糊聚類算法[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2006年

2 張樂媛;劉偉;;基于web數(shù)據(jù)挖掘的幾種模糊聚類算法淺析[A];2007北京地區(qū)高校研究生學(xué)術(shù)交流會(huì)通信與信息技術(shù)會(huì)議論文集（上冊(cè)）[C];2008年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 陳東輝;基于目標(biāo)函數(shù)的模糊聚類算法關(guān)鍵技術(shù)研究[D];西安電子科技大學(xué);2012年

2 邱存勇;區(qū)間二型模糊聚類算法研究及其在電力牽引監(jiān)控系統(tǒng)中的應(yīng)用[D];西南交通大學(xué);2013年

3 曲福恒;一類模糊聚類算法研究及其應(yīng)用[D];吉林大學(xué);2009年

4 支曉斌;自適應(yīng)判別降維模糊聚類算法研究[D];西安電子科技大學(xué);2013年

5 曾山;模糊聚類算法研究[D];華中科技大學(xué);2012年

6 楊鳳芹;基于粒子群的優(yōu)化方法研究[D];吉林大學(xué);2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 仲偉偉;基于hadoop平臺(tái)的模糊聚類算法研究[D];南京郵電大學(xué);2015年

2 鄒翔;改進(jìn)的模糊聚類算法在入侵檢測中的應(yīng)用研究[D];重慶大學(xué);2015年

3 黃明明;基于層次的模糊聚類算法[D];青島大學(xué);2005年

4 嚴(yán)駿;模糊聚類算法應(yīng)用研究[D];浙江大學(xué);2006年

5 何敏;模糊聚類算法研究及在CRM中的應(yīng)用[D];四川大學(xué);2006年

6 鮑正益;模糊聚類算法及其有效性研究[D];廈門大學(xué);2006年

7 羅琪;模糊聚類算法及其在入侵檢測中的應(yīng)用[D];西安電子科技大學(xué);2008年

8 李文鳳;一種基于粗集的模糊聚類算法及應(yīng)用的研究[D];華中師范大學(xué);2008年

9 陳氏映雪（Tran Thi Anh Tuyet）;Weka環(huán)境下模糊聚類算法集成研究[D];上海大學(xué);2013年

10 譚欣;基于協(xié)同的模糊聚類算法的研究[D];長沙理工大學(xué);2013年

，

本文編號(hào)：1188333