面對(duì)日益復(fù)雜的網(wǎng)絡(luò)環(huán)境,傳統(tǒng)入侵檢測(cè)方法誤報(bào)率高、檢測(cè)效率低,且存在優(yōu)化過(guò)程中準(zhǔn)確性和可解釋性相互矛盾等問(wèn)題,因此提出一種結(jié)合改進(jìn)粗糙集屬性約簡(jiǎn)和K-means聚類(lèi)的網(wǎng)絡(luò)入侵檢測(cè)（IRSAR-KCANID）方法。首先基于模糊粗糙集屬性約簡(jiǎn)對(duì)數(shù)據(jù)集進(jìn)行預(yù)處理,優(yōu)化異常的入侵檢測(cè)特征;再利用改進(jìn)K-means聚類(lèi)算法估計(jì)入侵范圍閾值,并對(duì)網(wǎng)絡(luò)特征進(jìn)行分類(lèi);然后根據(jù)用于特征優(yōu)化的線性規(guī)范相關(guān)性,從所選擇的最優(yōu)特征探索特征關(guān)聯(lián)影響尺度以形成特征關(guān)聯(lián)影響量表,完成對(duì)異常網(wǎng)絡(luò)入侵的檢測(cè)。實(shí)驗(yàn)結(jié)果表明,特征優(yōu)化聚類(lèi)后的最小化測(cè)量特征關(guān)聯(lián)影響量表能在保證最大預(yù)測(cè)精度的前提下,最小化入侵檢測(cè)過(guò)程的復(fù)雜度并縮短完成時(shí)間。 

【文章頁(yè)數(shù)】：7 頁(yè)

【文章目錄】：
0 引言
1 基于改進(jìn)粗糙集屬性約簡(jiǎn)的數(shù)據(jù)集預(yù)處理
2 特征分析與影響尺度閾值估計(jì)方法
    2.1 K-means聚類(lèi)及其改進(jìn)
    2.2 入侵檢測(cè)特征分析與特征關(guān)聯(lián)影響尺度閾值估計(jì)
        2.2.1 入侵檢測(cè)特征分析
        2.2.2 特征關(guān)聯(lián)影響尺度閾值估計(jì)
    2.3 數(shù)據(jù)集特征相關(guān)性分析并聚類(lèi)
3 特征關(guān)聯(lián)影響量表的入侵檢測(cè)
    3.1 理想性假設(shè)
    3.2 方法與步驟
4 實(shí)驗(yàn)結(jié)果與分析
5 結(jié)語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]基于圖論的MANET入侵檢測(cè)方法[J]. 張冰濤,王小鵬,王履程,張忠林,李延林,劉虎.  電子與信息學(xué)報(bào). 2018(06)
[2]基于二次訓(xùn)練技術(shù)的入侵檢測(cè)方法研究[J]. 李龍杰,于洋,白伸伸,侯元偉,郝永樂(lè).  北京理工大學(xué)學(xué)報(bào). 2017(12)
[3]基于路徑與端址跳變的SDN網(wǎng)絡(luò)主動(dòng)防御技術(shù)[J]. 張連成,魏強(qiáng),唐秀存,房家保.  計(jì)算機(jī)研究與發(fā)展. 2017(12)
[4]攻擊圖技術(shù)應(yīng)用研究綜述[J]. 葉子維,郭淵博,王宸東,琚安康.  通信學(xué)報(bào). 2017(11)
[5]云計(jì)算環(huán)境下面向數(shù)據(jù)分布的K-means聚類(lèi)算法[J]. 劉雪娟,袁家斌,操鳳萍.  小型微型計(jì)算機(jī)系統(tǒng). 2017(04)
[6]基于主機(jī)安全狀態(tài)遷移模型的動(dòng)態(tài)網(wǎng)絡(luò)防御有效性評(píng)估[J]. 劉江,張紅旗,楊英杰,王義功.  電子與信息學(xué)報(bào). 2017(03)



本文編號(hào)：3723322