【摘要】：針對(duì)K均值算法存在的初始聚類中心敏感和易陷入局部最優(yōu)等缺陷,利用人工魚(yú)群算法全局尋優(yōu)能力,提出一種人工魚(yú)群和K均值算法相融合的網(wǎng)絡(luò)入侵檢測(cè)模型(AFSA-KCM)。首先采用抽樣技術(shù)和最大最小距離算法獲得一組較優(yōu)的聚類中心和聚類數(shù)目,然后通過(guò)人工魚(yú)群模擬自然界魚(yú)群的覓食、聚群,追尾等行為,找到最優(yōu)的聚類中心和聚類數(shù)目,最后利用K均值算法根據(jù)最優(yōu)的聚類中心和聚類數(shù)目建立最優(yōu)的入侵檢測(cè)模型,并采用KDD CUP99數(shù)據(jù)集進(jìn)行測(cè)試實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,相對(duì)于其它入侵檢測(cè)模型,AFSA-KCM不僅提高了網(wǎng)絡(luò)入侵檢測(cè)率,同時(shí)加快了網(wǎng)絡(luò)入侵檢測(cè)速度,可以為網(wǎng)絡(luò)安全入侵檢測(cè)提供有效保證。
[Abstract]:Aiming at the shortcomings of K-means algorithm, such as sensitivity of initial clustering center and easy to fall into local optimization, a network intrusion detection model (AFSA-KCM) combining artificial fish swarm and K-means algorithm is proposed by using the global optimization ability of artificial fish swarm algorithm. Firstly, the sampling technique and the minimum distance algorithm are used to obtain a group of optimal clustering centers and clustering numbers. Then, artificial fish groups are used to simulate the foraging, clustering and rear-end behaviors of natural fish groups, and the optimal clustering centers and clustering numbers are found, and the optimal clustering centers and clustering numbers are obtained by simulating the foraging, clustering and rear-end behaviors of natural fish groups. Finally, the K-means algorithm is used to establish the optimal intrusion detection model based on the optimal clustering center and the number of clusters, and the KDD CUP99 data set is used to test the model. The experimental results show that compared with other intrusion detection models, AFSA-KCM not only improves the network intrusion detection rate, but also accelerates the network intrusion detection speed, which can provide an effective guarantee for network security intrusion detection.
【作者單位】： 太原大學(xué);
【分類號(hào)】：TP393.08

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李永忠;楊鴿;徐靜;趙博;孫彥;;基于粒子群優(yōu)化的聚類入侵檢測(cè)算法[J];江蘇科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年01期

2 王春枝;金偉健;;基于危險(xiǎn)理論與數(shù)理統(tǒng)計(jì)的入侵檢測(cè)模型[J];計(jì)算機(jī)工程與應(yīng)用;2008年11期

3 劉宇;朱隨江;劉寶旭;;采用改進(jìn)PTSVM的入侵檢測(cè)研究[J];計(jì)算機(jī)工程與應(yīng)用;2012年05期

4 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(cè)算法[J];計(jì)算機(jī)科學(xué);2010年06期

5 谷保平;許孝元;郭紅艷;;基于粒子群優(yōu)化的k均值算法在網(wǎng)絡(luò)入侵檢測(cè)中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用;2007年06期

6 李涵;包立輝;;基于聚類算法的異常入侵檢測(cè)模型的研究與實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用與軟件;2006年10期

7 俞研;黃皓;;基于改進(jìn)多目標(biāo)遺傳算法的入侵檢測(cè)集成方法(英文)[J];軟件學(xué)報(bào);2007年06期

8 王麗蘋(píng),安娜,吳曉南,房鼎益;入侵檢測(cè)系統(tǒng)中的行為模式挖掘[J];通信學(xué)報(bào);2004年07期

9 馬曉春,高翔,高德遠(yuǎn);聚類分析在入侵檢測(cè)系統(tǒng)中的應(yīng)用研究[J];微電子學(xué)與計(jì)算機(jī);2005年04期

10 楊善林;李永森;胡笑旋;潘若愚;;K-MEANS算法中的K值優(yōu)化問(wèn)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(shí)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 畢靖;成曉靜;張琨;;多神經(jīng)網(wǎng)絡(luò)組合模型在入侵檢測(cè)中的應(yīng)用[J];北京建筑工程學(xué)院學(xué)報(bào);2010年01期

3 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

4 尚小晶;劉小梅;李成鳳;李陽(yáng);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

5 楊曉懿,劉嘉勇,陳淑敏;SVM在文本自動(dòng)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

6 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(shí)別上的應(yīng)用[J];成都信息工程學(xué)院學(xué)報(bào);2008年06期

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

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

9 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(shì)識(shí)別系統(tǒng)[J];傳感技術(shù)學(xué)報(bào);2011年11期

10 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(wú)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

相關(guān)會(huì)議論文 前10條

1 王紅霞;田國(guó)會(huì);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(guó)控制會(huì)議論文集[C];2007年

2 曹愛(ài)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(guó)控制會(huì)議論文集[C];2007年

3 李鑫;李力爭(zhēng);;基于模板匹配的固態(tài)流體流速檢測(cè)算法[A];第二十七屆中國(guó)控制會(huì)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(duì)公共信息的反應(yīng)強(qiáng)度劃分[A];第二十九屆中國(guó)控制會(huì)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(cè)[A];第二十九屆中國(guó)控制會(huì)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(guó)自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)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(guó)系統(tǒng)工程學(xué)會(huì)第16屆學(xué)術(shù)年會(huì)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(píng)估模型[A];經(jīng)濟(jì)全球化與系統(tǒng)工程——中國(guó)系統(tǒng)工程學(xué)會(huì)第16屆學(xué)術(shù)年會(huì)論文集[C];2010年

9 劉濤;陳浩文;王書(shū)宏;黎湘;;基于紅外多光譜的空間點(diǎn)目標(biāo)識(shí)別方法研究[A];第十四屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)(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(guó)信號(hào)處理學(xué)術(shù)年會(huì)(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(dòng)分析[D];湖南大學(xué);2010年

3 陳韶斌;基于知識(shí)推理和視覺(jué)機(jī)理的遙感圖像目標(biāo)識(shí)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 許憲成;基于網(wǎng)絡(luò)處理器的入侵檢測(cè)系統(tǒng)設(shè)計(jì)與性能優(yōu)化研究[D];華南理工大學(xué);2010年

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

7 陶勇;知識(shí)輔助的SAR圖像目標(biāo)特性分析與識(shí)別研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

8 蔡盈芳;基于本體的航空產(chǎn)品知識(shí)庫(kù)構(gòu)建研究[D];北京交通大學(xué);2011年

9 薛冬新;激光扭矩測(cè)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

10 劉懷廣;浮法玻璃缺陷在線識(shí)別算法的研究及系統(tǒng)實(shí)現(xiàn)[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(hào)：2443956