發(fā)布時間：2020-06-26 00:57

【摘要】：隨著計算機(jī)技術(shù)的發(fā)展,網(wǎng)絡(luò)數(shù)據(jù)以不可估計的速度增長,越來越多的網(wǎng)絡(luò)安全問題也相伴而生。人們對網(wǎng)絡(luò)安全問題的研究由來已久,其中網(wǎng)絡(luò)異常檢測是維護(hù)網(wǎng)絡(luò)安全的重要環(huán)節(jié)之一;數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)技術(shù)的發(fā)展對網(wǎng)絡(luò)異常檢測發(fā)揮著越來越重要的作用,而網(wǎng)絡(luò)安全問題都可以映射為網(wǎng)絡(luò)數(shù)據(jù)安全,由此本文提出了基于混合蛙跳聚類算法的網(wǎng)絡(luò)數(shù)據(jù)異常檢測研究。本文針對網(wǎng)絡(luò)數(shù)據(jù)異常檢測中數(shù)據(jù)維數(shù)高、異常檢測準(zhǔn)確率低的問題,展開了相應(yīng)的研究工作:(1)研究特征選擇方法,提出基于信息共享的二次特征選擇算法網(wǎng)絡(luò)數(shù)據(jù)流量維數(shù)高、特征復(fù)雜,如何在復(fù)雜的網(wǎng)絡(luò)數(shù)據(jù)中快速、準(zhǔn)確的提取關(guān)鍵信息格外重要。為了提高特征選擇的準(zhǔn)確率,本文提出了一種基于信息共享的二次特征選擇算法。該算法基于信息共享的概念,從信息增益和相關(guān)性兩個角度出發(fā),對網(wǎng)絡(luò)數(shù)據(jù)特征進(jìn)行預(yù)選擇,然后利用改進(jìn)的群體智能算法對預(yù)選的特征子集進(jìn)行二次特征選擇,從而提取出網(wǎng)絡(luò)數(shù)據(jù)的主要特征。實驗表明,在不同分類器和不同數(shù)據(jù)集下,該方法不僅可以降低特征空間維數(shù),還能保證較好的分類準(zhǔn)確率。(2)研究密度峰值聚類算法,提出基于混合蛙跳的密度峰值聚類算法本文主要研究了密度峰值聚類算法,該算法能更準(zhǔn)確的定位到聚類中心,但聚類結(jié)果受前一步聚類結(jié)果的影響,對類屬不明確的數(shù)據(jù)點(diǎn)聚類效果差。為了提高密度峰值聚類算法在網(wǎng)絡(luò)數(shù)據(jù)異常檢測中的效率,本文提出了一種基于混合蛙跳的密度峰值聚類算法,該算法改進(jìn)了密度峰值聚類算法的聚類規(guī)則,將數(shù)據(jù)分為類屬明確的點(diǎn)和類屬不明確的模糊數(shù)據(jù)點(diǎn),并借鑒三角穩(wěn)定性思想獲取模糊數(shù)據(jù)點(diǎn)的候選類標(biāo)簽,通過混合蛙跳算法確定其最終類標(biāo)簽,提高對模糊數(shù)據(jù)點(diǎn)的聚類精度。實驗結(jié)果表明,該算法能有效的識別模糊數(shù)據(jù)點(diǎn)并對其聚類,相較于幾種典型的聚類算法,本文算法具有更好的聚類質(zhì)量。(3)構(gòu)造網(wǎng)絡(luò)數(shù)據(jù)異常檢測算法,并應(yīng)用到網(wǎng)絡(luò)取證系統(tǒng)中構(gòu)造了網(wǎng)絡(luò)數(shù)據(jù)異常檢測算法,該算法分為預(yù)處理和異常檢測兩個過程,在預(yù)處理部分,對KDDCUP99數(shù)據(jù)集進(jìn)行標(biāo)準(zhǔn)化處理,并利用基于信息共享的二次特征選擇算法提取網(wǎng)絡(luò)數(shù)據(jù)的主要信息;在異常檢測部分,將預(yù)處理的網(wǎng)絡(luò)數(shù)據(jù)信息作為檢測對象,采用基于混合蛙跳的密度峰值聚類算法對其進(jìn)行聚類分析,檢測出網(wǎng)絡(luò)所受的攻擊類型。實驗結(jié)果表明不管是在原始數(shù)據(jù)集還是在降維后的數(shù)據(jù)集上,該算法較其他主流聚類算法都具有更高的異常檢測率。最后將異常檢測算法應(yīng)用到網(wǎng)絡(luò)取證系統(tǒng)中,實現(xiàn)對網(wǎng)絡(luò)數(shù)據(jù)的異常檢測。
【學(xué)位授予單位】：山東師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP311.13;TP393.08
【圖文】：

山東師范大學(xué)碩士學(xué)位論文第一章 緒論背景及意義機(jī)技術(shù)是當(dāng)前發(fā)展最迅猛的技術(shù)之一，它的發(fā)展加速了信息產(chǎn)業(yè)月異的信息產(chǎn)品，給我們帶來了精彩紛呈的信息資源，豐富了人們的眼界，使人們足不出戶就可以共享最新的信息資源。不管是醫(yī)療、國防等方面，網(wǎng)絡(luò)都發(fā)揮了不可替代的作用。然而在計算大便利的同時，也帶來了很多網(wǎng)絡(luò)安全問題，例如網(wǎng)絡(luò)病毒攻擊。

中的計算量，也在一定程度上提高了聚類分類的速度。特征選擇算法分為產(chǎn)生過程、評價準(zhǔn)則、停止條件和驗證過程四個步驟，其具體過程如圖2-1所示。圖2-1 特征選擇過程產(chǎn)生過程即為按照某種搜索策略產(chǎn)生特征子集，搜索策略主要分為三大類，如圖2-2所示；評價準(zhǔn)則通常是某些評價函數(shù)，目前已經(jīng)產(chǎn)生了很多評價準(zhǔn)則，如距離向量、卡方函數(shù)、基于相關(guān)性的評價等[28]；停止條件是用于判斷特征選擇過程的停止時間；最后的驗證過程是為了檢驗選擇出的特征子集的代表性。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 歐陽普仁,楊叔子;一種改進(jìn)的Marple算法[J];南京理工大學(xué)學(xué)報(自然科學(xué)版);1988年01期

2 黃小蓓;隆永紅;;分布式數(shù)據(jù)庫管理系統(tǒng)中的N&發(fā)控制——算法及其性能分析[J];計算技術(shù)與自動化;1988年02期

3 馮成進(jìn);;0—1規(guī)劃新算法的改進(jìn)[J];曲阜師范大學(xué)學(xué)報(自然科學(xué)版);1988年02期

4 曾秀;魏振華;;猴群算法及其改進(jìn)綜述[J];電腦知識與技術(shù);2017年32期

5 許燦英;;算法合謀反競爭問題初探[J];合肥工業(yè)大學(xué)學(xué)報(社會科學(xué)版);2019年02期

6 段艷明;肖輝輝;林芳;;新授粉方式的花授粉算法[J];計算機(jī)工程與應(yīng)用;2018年23期

7 肖海軍;王芬艷;盧常景;曹穎;;一種有效的多峰優(yōu)化鳥群算法[J];中南民族大學(xué)學(xué)報(自然科學(xué)版);2018年04期

8 覃遠(yuǎn)年;梁仲華;;蟻群算法研究與應(yīng)用的新進(jìn)展[J];計算機(jī)工程與科學(xué);2019年01期

9 肖輝輝;段艷明;;基于改進(jìn)花授粉算法的移動機(jī)器人路徑規(guī)劃研究[J];軟件導(dǎo)刊;2018年11期

10 陳昌興;王建彬;陳建平;;一種混合重心重構(gòu)花授粉改進(jìn)算法[J];現(xiàn)代計算機(jī);2019年20期

相關(guān)會議論文 前10條

1 苗強(qiáng);劉曉琳;王仲奇;;隨機(jī)球重疊判斷算法改進(jìn)研究工作進(jìn)展[A];中國原子能科學(xué)研究院年報 2013[C];2014年

2 李超;余昭平;;基于矩陣的Apriori算法改進(jìn)研究[A];第二屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議（NCIRCS-2005）論文集[C];2005年

3 王蓬;宋明玉;張林芳;王新遠(yuǎn);;廣義自適應(yīng)相干累積算法改進(jìn)及其在線譜增強(qiáng)中的應(yīng)用[A];中國聲學(xué)學(xué)會2007年青年學(xué)術(shù)會議論文集（上）[C];2007年

4 郝紅星;吳玲達(dá);宋漢辰;;一種殘損圖像修補(bǔ)算法改進(jìn)與實現(xiàn)[A];第18屆全國多媒體學(xué)術(shù)會議（NCMT2009）、第5屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2009）、第5屆全國普適計算學(xué)術(shù)會議（PCC2009）論文集[C];2009年

5 解迎剛;王志良;鄭珊山;;基于LANDMARC及其算法改進(jìn)的RFID室內(nèi)定位研究[A];第二十九屆中國控制會議論文集[C];2010年

6 王篤俠;冷晟;周燕飛;;單件小批生產(chǎn)模式下的MRP算法改進(jìn)[A];全國先進(jìn)制造技術(shù)高層論壇暨第七屆制造業(yè)自動化與信息化技術(shù)研討會論文集[C];2008年

7 鄒錦峰;;水面仿真研究及算法改進(jìn)[A];全國首屆數(shù)字（虛擬）科技館技術(shù)與應(yīng)用學(xué)術(shù)研討會論文集[C];2007年

8 林關(guān)成;李亞安;;一種支持向量機(jī)訓(xùn)練集選取算法改進(jìn)[A];2009’中國西部地區(qū)聲學(xué)學(xué)術(shù)交流會論文集[C];2009年

9 李國棟;;定點(diǎn)DSP實現(xiàn)均衡的算法改進(jìn)與仿真[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文選編[C];2005年

10 吳鐵洲;鄭丹丹;;藍(lán)牙的密鑰算法改進(jìn)[A];湖北省電工技術(shù)學(xué)會、武漢電工技術(shù)學(xué)會2008年學(xué)術(shù)年會暨理事會換屆大會論文集[C];2008年

相關(guān)重要報紙文章 前2條

1 記者 宛霞;風(fēng)云衛(wèi)星云導(dǎo)風(fēng)算法改進(jìn)[N];中國氣象報;2018年

2 記者 陳姝;深企為大橋定制人臉識別方案[N];深圳商報;2018年

相關(guān)博士學(xué)位論文 前10條

1 張代雨;多學(xué)科優(yōu)化算法及其在水下航行器中的應(yīng)用[D];西北工業(yè)大學(xué);2017年

2 鐘林峰;復(fù)雜網(wǎng)絡(luò)中關(guān)鍵節(jié)點(diǎn)的挖掘算法研究[D];電子科技大學(xué);2018年

3 邱實;多光譜衛(wèi)星遙感影像云及云陰影精準(zhǔn)檢測算法研究[D];電子科技大學(xué);2018年

4 孫寧;人工免疫優(yōu)化算法及其應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2006年

5 陸楠;關(guān)聯(lián)規(guī)則的挖掘及其算法的研究[D];吉林大學(xué);2007年

6 胡銦;基于單目視覺的運(yùn)動目標(biāo)檢測與跟蹤算法研究[D];南京理工大學(xué);2008年

7 王玨;生物地理學(xué)優(yōu)化算法的研究及應(yīng)用[D];哈爾濱工程大學(xué);2013年

8 黃松;面向多應(yīng)用場景的粒子群優(yōu)化算法研究[D];江南大學(xué);2017年

9 安琦;信號偵收中的識別與分類理論與算法研究[D];電子科技大學(xué);2017年

10 周瑞紅;基于群智能優(yōu)化理論的聚類改進(jìn)方法及應(yīng)用研究[D];吉林大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 王彩青;基于蟻群算法的非均勻分簇CWSN中APTEEN的研究[D];內(nèi)蒙古大學(xué);2019年

2 劉孟迪;基于混合蛙跳聚類算法的網(wǎng)絡(luò)數(shù)據(jù)異常檢測研究[D];山東師范大學(xué);2019年

3 李佩茜;一種高效的基于教與學(xué)的社區(qū)發(fā)現(xiàn)算法的研究[D];廈門大學(xué);2018年

4 裴華欣;自適應(yīng)密度峰劃分聚類算法研究及應(yīng)用[D];浙江工業(yè)大學(xué);2018年

5 朱炎亮;基于深度學(xué)習(xí)的人員異常操作視覺檢測算法[D];浙江工業(yè)大學(xué);2018年

6 曾辰子;改進(jìn)差分進(jìn)化算法及其收斂性分析[D];武漢理工大學(xué);2018年

7 張思碩;基于視頻處理的道路目標(biāo)檢測與跟蹤算法研究[D];哈爾濱工程大學(xué);2019年

8 牛群;帶硬時間窗的車輛路徑問題求解算法研究[D];蘭州理工大學(xué);2019年

9 劉曉紅;改進(jìn)的AP-SVM算法研究及其在字母識別的應(yīng)用[D];廈門大學(xué);2017年

10 朱昌龍;面向三維游戲場景的動態(tài)尋路算法的研究與應(yīng)用[D];武漢工程大學(xué);2018年

本文編號：2729580