【摘要】：研究準(zhǔn)確檢測入侵問題,為保護(hù)網(wǎng)絡(luò)資源的安全,在入侵檢測中需要預(yù)先指定聚類數(shù)目以及對初始中心敏感,但傳統(tǒng)K均值算法易陷入局部最優(yōu)。為解決上述問題,提出了一種自動確定聚類數(shù)的算法,首先通過多次執(zhí)行樣本抽樣技術(shù)用最大最小距離算法產(chǎn)生一系列較優(yōu)的聚類中心和聚類數(shù)目,作為差分進(jìn)化算法的初始種群,然后在種群進(jìn)化過程中以最優(yōu)種群個(gè)體為指引,動態(tài)調(diào)整個(gè)體聚類中心和聚類數(shù)目,并且利用差分進(jìn)化算法的全局尋優(yōu)能力和K均值算法的局部搜索能力,對聚類中心和聚類數(shù)目同時(shí)進(jìn)行優(yōu)化,從而得到最佳的聚類劃分和聚類數(shù)目。在上述算法的基礎(chǔ)上,提出了一種入侵檢測判斷方法,通過對KDD CUP1999數(shù)據(jù)集的仿真結(jié)果表明,改進(jìn)算法具有較好的入侵檢測效果,能夠有效的檢測出網(wǎng)絡(luò)中的入侵?jǐn)?shù)據(jù)。
[Abstract]:In order to protect the security of network resources, it is necessary to specify the number of clusters and be sensitive to the initial center in intrusion detection, but the traditional K-means algorithm is prone to fall into local optimum. In order to solve the above problems, an algorithm for automatically determining the number of clusters is proposed. Firstly, a series of optimal clustering centers and clustering numbers are generated by using the maximum and minimum distance algorithm through the multi-execution sample sampling technique. As the initial population of the differential evolution algorithm, and guided by the optimal population individuals during the evolution of the population, the cluster center and the number of individual clusters are dynamically adjusted. The global optimization ability of differential evolution algorithm and the local search ability of K-means algorithm are used to optimize the clustering center and the number of clusters at the same time, so as to obtain the best clustering partition and clustering number. On the basis of the above algorithms, an intrusion detection judgment method is proposed. The simulation results of KDD CUP1999 dataset show that the improved algorithm has better intrusion detection effect and can effectively detect intrusion data in the network.
【作者單位】： 江南大學(xué)物聯(lián)網(wǎng)工程學(xué)院;
【分類號】：TP393.08

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 胡艷維;秦拯;張忠志;;基于模擬退火與K均值聚類的入侵檢測算法[J];計(jì)算機(jī)科學(xué);2010年06期

2 肖立中;邵志清;錢夕元;;一種用于網(wǎng)絡(luò)入侵檢測的雜交聚類算法研究[J];計(jì)算機(jī)工程;2007年04期

3 徐蕾;劉冬好;;基于層次決策表增量學(xué)習(xí)算法的網(wǎng)絡(luò)入侵檢測[J];計(jì)算機(jī)工程;2010年17期

4 楊善林;李永森;胡笑旋;潘若愚;;K-MEANS算法中的K值優(yōu)化問題研究[J];系統(tǒng)工程理論與實(shí)踐;2006年02期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李燕琴;一種生態(tài)旅游者的識別與細(xì)分方法——以北京市百花山自然保護(hù)區(qū)為例[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年06期

2 張則飛;邢立新;;紋理特征在Aster影像數(shù)據(jù)分類中的應(yīng)用[J];吉林大學(xué)學(xué)報(bào)(地球科學(xué)版);2006年S1期

3 尚小晶;劉小梅;李成鳳;李陽;田彥濤;;神經(jīng)元的幾何形態(tài)分類[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2011年03期

4 楊曉懿,劉嘉勇,陳淑敏;SVM在文本自動分類中的應(yīng)用[J];成都信息工程學(xué)院學(xué)報(bào);2005年02期

5 武志強(qiáng);巨輝;曹世梅;;改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)在數(shù)字識別上的應(yīng)用[J];成都信息工程學(xué)院學(xué)報(bào);2008年06期

6 顧洪博;趙萬平;;數(shù)據(jù)挖掘算法性能優(yōu)化的研究與應(yīng)用[J];長春理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

7 劉繼忠,周曉軍,熊勇;人工免疫系統(tǒng)超變異模式識別及應(yīng)用[J];傳感技術(shù)學(xué)報(bào);2005年03期

8 張永強(qiáng);陳香;王從政;董中飛;左鵬飛;;基于FPGA的實(shí)時(shí)手勢識別系統(tǒng)[J];傳感技術(shù)學(xué)報(bào);2011年11期

9 潘巨龍;高建橋;徐展翼;李文錦;李子印;;一種基于確定性理論的無線傳感器網(wǎng)絡(luò)信任機(jī)制nTRUST[J];傳感技術(shù)學(xué)報(bào);2012年02期

10 郭文;喬誼正;;改進(jìn)的DKLT在彩色客票票號分割中的應(yīng)用[J];傳感器與微系統(tǒng);2009年05期

相關(guān)會議論文 前10條

1 王紅霞;田國會;李曉磊;卜范騫;;基于地標(biāo)信息融合的家庭環(huán)境機(jī)器人組合導(dǎo)航[A];第二十六屆中國控制會議論文集[C];2007年

2 曹愛增;陳月婷;魏軍;李金屏;;一種基于EDAs和聚類分析的雜合進(jìn)化算法[A];第二十六屆中國控制會議論文集[C];2007年

3 李鑫;李力爭;;基于模板匹配的固態(tài)流體流速檢測算法[A];第二十七屆中國控制會議論文集[C];2008年

4 李潮潮;遲凱;付芳萍;車文剛;趙慶江;;基于模糊聚類的證券價(jià)格對公共信息的反應(yīng)強(qiáng)度劃分[A];第二十九屆中國控制會議論文集[C];2010年

5 趙慶江;遲凱;付芳萍;李潮潮;車文剛;;基于FCM的模糊時(shí)間序列模型及人民幣匯率預(yù)測[A];第二十九屆中國控制會議論文集[C];2010年

6 楊青;劉曄;張東旭;劉暢;;快速查找最優(yōu)初始聚類數(shù)K的改進(jìn)K-means算法[A];中國自動化學(xué)會控制理論專業(yè)委員會A卷[C];2011年

7 李友元;寇綱;施宇;陸晨;石勇;;基于組合熵權(quán)TOPSIS方法的山東省外商直接投資區(qū)位選擇分析[A];經(jīng)濟(jì)全球化與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第16屆學(xué)術(shù)年會論文集[C];2010年

8 張勇;寇綱;李友元;;一種新的農(nóng)業(yè)氣象災(zāi)害評估模型[A];經(jīng)濟(jì)全球化與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第16屆學(xué)術(shù)年會論文集[C];2010年

9 劉濤;陳浩文;王書宏;黎湘;;基于紅外多光譜的空間點(diǎn)目標(biāo)識別方法研究[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

10 湯廣富;馬春實(shí);劉歡;付強(qiáng);;模糊聚類快速實(shí)用方法[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

相關(guān)博士學(xué)位論文 前10條

1 李桃迎;交通領(lǐng)域中的聚類分析方法研究[D];大連海事大學(xué);2010年

2 易吉良;基于S變換的電能質(zhì)量擾動分析[D];湖南大學(xué);2010年

3 陳韶斌;基于知識推理和視覺機(jī)理的遙感圖像目標(biāo)識別方法研究[D];華中科技大學(xué);2010年

4 宋清昆;自適應(yīng)結(jié)構(gòu)優(yōu)化神經(jīng)網(wǎng)絡(luò)控制研究[D];哈爾濱理工大學(xué);2009年

5 高杰;基于過渡金屬的超分子光化學(xué)傳感器識別生物功能性檢測物[D];華東理工大學(xué);2010年

6 陶勇;知識輔助的SAR圖像目標(biāo)特性分析與識別研究[D];國防科學(xué)技術(shù)大學(xué);2010年

7 蔡盈芳;基于本體的航空產(chǎn)品知識庫構(gòu)建研究[D];北京交通大學(xué);2011年

8 薛冬新;激光扭矩測量中散斑統(tǒng)計(jì)學(xué)理論及試驗(yàn)研究[D];大連理工大學(xué);2011年

9 劉懷廣;浮法玻璃缺陷在線識別算法的研究及系統(tǒng)實(shí)現(xiàn)[D];華中科技大學(xué);2011年

10 鄭慶慶;紋理特征提取及其在圖像分割中的應(yīng)用研究[D];華中科技大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 李朋勇;基于全矢高階譜的故障診斷方法及其應(yīng)用研究[D];鄭州大學(xué);2010年

2 宋曉s，

本文編號：2165285