【摘要】：針對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,利用人工魚群算法全局尋優(yōu)能力,提出一種人工魚群和K均值算法相融合的網(wǎng)絡入侵檢測模型(AFSA-KCM)。首先采用抽樣技術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,然后通過人工魚群模擬自然界魚群的覓食、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)的入侵檢測模型,并采用KDD CUP99數(shù)據(jù)集進行測試實驗。實驗結果表明,相對于其它入侵檢測模型,AFSA-KCM不僅提高了網(wǎng)絡入侵檢測率,同時加快了網(wǎng)絡入侵檢測速度,可以為網(wǎng)絡安全入侵檢測提供有效保證。
[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;
【分類號】：TP393.08

【參考文獻】

相關期刊論文 前10條

1 李永忠;楊鴿;徐靜;趙博;孫彥;;基于粒子群優(yōu)化的聚類入侵檢測算法[J];江蘇科技大學學報(自然科學版);2009年01期

2 王春枝;金偉健;;基于危險理論與數(shù)理統(tǒng)計的入侵檢測模型[J];計算機工程與應用;2008年11期

3 劉宇;朱隨江;劉寶旭;;采用改進PTSVM的入侵檢測研究[J];計算機工程與應用;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算法[J];計算機科學;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)絡入侵檢測中的應用[J];計算機應用;2007年06期

6 李涵;包立輝;;基于聚類算法的異常入侵檢測模型的研究與實現(xiàn)[J];計算機應用與軟件;2006年10期

7 俞研;黃皓;;基于改進多目標遺傳算法的入侵檢測集成方法(英文)[J];軟件學報;2007年06期

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

9 馬曉春,高翔,高德遠;聚類分析在入侵檢測系統(tǒng)中的應用研究[J];微電子學與計算機;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)化問題研究[J];系統(tǒng)工程理論與實踐;2006年02期

【共引文獻】

相關期刊論文 前10條

1 李燕琴;一種生態(tài)旅游者的識別與細分方法——以北京市百花山自然保護區(qū)為例[J];北京大學學報(自然科學版);2005年06期

2 畢靖;成曉靜;張琨;;多神經(jīng)網(wǎng)絡組合模型在入侵檢測中的應用[J];北京建筑工程學院學報;2010年01期

3 張則飛;邢立新;;紋理特征在Aster影像數(shù)據(jù)分類中的應用[J];吉林大學學報(地球科學版);2006年S1期

4 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];吉林大學學報(信息科學版);2011年03期

5 楊曉懿,劉嘉勇,陳淑敏;SVM在文本自動分類中的應用[J];成都信息工程學院學報;2005年02期

6 武志強;巨輝;曹世梅;;改進的BP神經(jīng)網(wǎng)絡在數(shù)字識別上的應用[J];成都信息工程學院學報;2008年06期

7 顧洪博;趙萬平;;數(shù)據(jù)挖掘算法性能優(yōu)化的研究與應用[J];長春理工大學學報(自然科學版);2010年01期

8 劉繼忠,周曉軍,熊勇;人工免疫系統(tǒng)超變異模式識別及應用[J];傳感技術學報;2005年03期

9 張永強;陳香;王從政;董中飛;左鵬飛;;基于FPGA的實時手勢識別系統(tǒng)[J];傳感技術學報;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線傳感器網(wǎng)絡信任機制nTRUST[J];傳感技術學報;2012年02期

相關會議論文 前10條

1 王紅霞;田國會;李曉磊;卜范騫;;基于地標信息融合的家庭環(huán)境機器人組合導航[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格對公共信息的反應強度劃分[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的模糊時間序列模型及人民幣匯率預測[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K-means算法[A];中國自動化學會控制理論專業(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TOPSIS方法的山東省外商直接投資區(qū)位選擇分析[A];經(jīng)濟全球化與系統(tǒng)工程——中國系統(tǒng)工程學會第16屆學術年會論文集[C];2010年

8 張勇;寇綱;李友元;;一種新的農(nóng)業(yè)氣象災害評估模型[A];經(jīng)濟全球化與系統(tǒng)工程——中國系統(tǒng)工程學會第16屆學術年會論文集[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目標識別方法研究[A];第十四屆全國信號處理學術年會(CCSP-2009)論文集[C];2009年

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

相關博士學位論文 前10條

1 李桃迎;交通領域中的聚類分析方法研究[D];大連海事大學;2010年

2 易吉良;基于S變換的電能質量擾動分析[D];湖南大學;2010年

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

4 宋清昆;自適應結構優(yōu)化神經(jīng)網(wǎng)絡控制研究[D];哈爾濱理工大學;2009年

5 許憲成;基于網(wǎng)絡處理器的入侵檢測系統(tǒng)設計與性能優(yōu)化研究[D];華南理工大學;2010年

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

7 陶勇;知識輔助的SAR圖像目標特性分析與識別研究[D];國防科學技術大學;2010年

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

9 薛冬新;激光扭矩測量中散斑統(tǒng)計學理論及試驗研究[D];大連理工大學;2011年

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

相關碩士學位論文 前10條

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

2 宋曉s，

本文編號：2443956