本文關(guān)鍵詞：基于GT-KM算法的入侵檢測研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著科技的不斷進步,信息產(chǎn)業(yè)快速增長,應(yīng)用范圍逐步增加,帶來的網(wǎng)絡(luò)攻擊和破壞也越來越多,信息安全技術(shù)愈發(fā)受到重視.可是無論信息安全技術(shù)在這數(shù)十年如何發(fā)展,網(wǎng)絡(luò)安全技術(shù)從始至終都沒離開入侵檢測的相關(guān)知識.在入侵檢測的相關(guān)領(lǐng)域使用數(shù)據(jù)挖掘領(lǐng)域的系列原理、算法,是基于這些原理、算法可以提煉出需要的系統(tǒng)特性,并且依據(jù)得到的特性進行安全事件的分類,以便進行之后的鑒別工作.文章結(jié)合生長樹算法和K-means算法提出一種全新的GT-KM算法,并將其運用到入侵檢測中,主要內(nèi)容如下:(1)為了處理初始中心的選擇在K-means算法整體流程中所占地位過大和其全局搜索能力薄弱等問題,將生長樹算法和K-means進行結(jié)合得到新的聚類方法——GT-K M算法.在生長樹算法優(yōu)異的編碼方式和全局搜索功能下去尋求使聚類達到最好結(jié)果的中心點,避免了對初始聚類中心的極度依賴.使用UCI數(shù)據(jù)庫的數(shù)據(jù)集來進行對比,證明其在運行速率、聚類結(jié)果和穩(wěn)定性能方面的良好效果.(2)GT-KM與原始的K-means等聚類算法相比,由于可以直接得到最優(yōu)的聚類中心,因此很大程度上解決了由于K-means算法在初值選取上無法避免的一些問題.將其應(yīng)用于入侵檢測領(lǐng)域.,通過對KDD CUP99數(shù)據(jù)集的實驗,在保證GT-KM算法能用于入侵檢測系統(tǒng)之外,也對比了其他算法,結(jié)果顯示GT-KM可以對于攻擊行為的檢測取得較好的結(jié)果,證明其在異常檢測應(yīng)用中的穩(wěn)定性和實用性。
【關(guān)鍵詞】：入侵檢測系統(tǒng) K-means算法 生長樹算法 GT-KM算法
【學(xué)位授予單位】：江西理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP393.08;TP311.13
【目錄】：

• 摘要4-5
• Abstract5-8
• 第一章 緒論8-17
• 1.1 課題的背景和意義8-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-14
• 1.2.1 數(shù)據(jù)挖掘在入侵檢測中的應(yīng)用11-14
• 1.2.2 當(dāng)前領(lǐng)域仍然存在的問題14
• 1.3 論文的研究內(nèi)容14-15
• 1.4 論文結(jié)構(gòu)安排15-17
• 第二章 聚類分析算法17-27
• 2.1 數(shù)據(jù)挖掘中現(xiàn)有的聚類算法17-22
• 2.1.1 層次聚類算法19
• 2.1.2 分割聚類算法19-21
• 2.1.3 基于約束的聚類算法21
• 2.1.4 機器學(xué)習(xí)中的聚類算法21
• 2.1.5 用于高維數(shù)據(jù)的聚類算法21-22
• 2.2 現(xiàn)有的一些聚類算法性能比較22
• 2.3 K-means算法22-25
• 2.4 國內(nèi)外研究現(xiàn)狀25
• 2.5 本章小結(jié)25-27
• 第三章 新的改進聚類算法——GT-KM算法27-38
• 3.1 引言27-28
• 3.2 生長樹算法28-31
• 3.2.1 樹木的生長機理28
• 3.2.2 生長樹生長過程28-31
• 3.3 一種新的GT-KM算法31-34
• 3.3.1 編碼方式和適應(yīng)度函數(shù)32-33
• 3.3.2 GT-KM算法描述33-34
• 3.4 實驗結(jié)果與分析34-37
• 3.4.1 仿真環(huán)境和UCI數(shù)據(jù)集34-35
• 3.4.2 實驗結(jié)果分析35-37
• 3.5 本章小結(jié)37-38
• 第四章 GT-KM算法在入侵檢測中的應(yīng)用38-44
• 4.1 基本流程38-39
• 4.1.1 數(shù)據(jù)預(yù)處理38-39
• 4.1.2 檢測算法39
• 4.1.3 整體流程39
• 4.2 實驗與結(jié)果分析39-43
• 4.3 本章小結(jié)43-44
• 第五章 總結(jié)與展望44-46
• 5.1 總結(jié)44
• 5.2 展望44-46
• 參考文獻46-50
• 致謝50-51
• 攻讀學(xué)位期間的研究成果51-52

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 葛磊;武芳;王鵬波;張冬林;;3維建筑綜合中基于最小特征的面平移算法[J];測繪科學(xué)技術(shù)學(xué)報;2009年02期

2 駱雯,孫延明,陳振威,陳錦昌;判斷點與封閉多邊形相對關(guān)系的改進算法[J];機械;1999年03期

3 李林;盧顯良;;一種基于切割映射的規(guī)則沖突消除算法[J];電子學(xué)報;2008年02期

4 劉巧玲;張紅英;林茂松;;一種簡單快速的圖像去霧算法[J];計算機應(yīng)用與軟件;2013年07期

5 林亞平,楊小林;快速概率分析進化算法及其性能研究[J];電子學(xué)報;2001年02期

6 章郡鋒;吳曉紅;黃曉強;何小海;;基于暗原色先驗去霧的改進算法[J];電視技術(shù);2013年23期

7 楊鐵軍;靳婷;;一種動態(tài)整周模糊值求解算法及其仿真分析[J];系統(tǒng)工程與電子技術(shù);2007年01期

8 周秀玲;郭平;陳寶維;王靜;;幾種計算超體積算法的比較研究[J];計算機工程;2011年03期

9 吳一戎,胡東輝,彭海良;Chirp Scaling SAR成象算法及其實現(xiàn)[J];電子科學(xué)學(xué)刊;1995年03期

10 王貴竹;一種產(chǎn)生單向分解值的算法[J];安徽大學(xué)學(xué)報(自然科學(xué)版);2001年03期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 尹冀鋒;;一種新的圖象自適應(yīng)增強算法[A];四川省通信學(xué)會一九九二年學(xué)術(shù)年會論文集[C];1992年

2 寧春平;田家瑋;郭延輝;王影;張英濤;鄭桂霞;劉研;;計算機輔助增強、分割算法在鑒別乳腺良、惡性腫塊中的應(yīng)用價值[A];中華醫(yī)學(xué)會第十次全國超聲醫(yī)學(xué)學(xué)術(shù)會議論文匯編[C];2009年

3 謝麗聰;;SVB查詢改寫算法的改進[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2004年

4 鄭存紅;;復(fù)雜背景下相關(guān)跟蹤算法研究及DSP實現(xiàn)[A];中國光學(xué)學(xué)會2010年光學(xué)大會論文集[C];2010年

5 楊文杰;吳軍;;RFID抗沖突算法研究[A];2008通信理論與技術(shù)新進展——第十三屆全國青年通信學(xué)術(shù)會議論文集（上）[C];2008年

6 高山;畢篤彥;魏娜;;一種基于UPF的小目標(biāo)TBD算法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

7 周磊;張衛(wèi)華;王曉奇;張軍;;基于流水算法的智能路障機器人設(shè)計[A];2011年全國電子信息技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2011年

8 潘巍;李戰(zhàn)懷;陳群;索博;李衛(wèi)榜;;面向MapReduce的非對稱分片復(fù)制連接算法優(yōu)化技術(shù)研究[A];第29屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（B輯）（NDBC2012）[C];2012年

9 李偉偉;蔡康穎;鄭新;王文成;;3D模型中重復(fù)結(jié)構(gòu)的多尺度快速檢測算法[A];第六屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會議（NCMT2010）、第6屆全國人機交互學(xué)術(shù)會議（CHCI2010）、第5屆全國普適計算學(xué)術(shù)會議（PCC2010）論文集[C];2010年

10 楊任爾;陳懇;勵金祥;;基于棱邊方向檢測的運動自適應(yīng)去隔行算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 國泰君安資產(chǎn)管理部;“算法交易”是道指暴跌罪魁禍首?[N];上海證券報;2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 馮輝;網(wǎng)絡(luò)化的并行與分布式優(yōu)化算法研究及應(yīng)用[D];復(fù)旦大學(xué);2013年

2 許玉杰;云計算環(huán)境下海量數(shù)據(jù)的并行聚類算法研究[D];大連海事大學(xué);2014年

3 李琰;基于貓群算法的高光譜遙感森林類型識別研究[D];東北林業(yè)大學(xué);2015年

4 陳加順;海洋環(huán)境下聚類算法的研究[D];南京航空航天大學(xué);2014年

5 王洋;基于群體智能的通信網(wǎng)絡(luò)告警關(guān)聯(lián)規(guī)則挖掘算法研究[D];太原理工大學(xué);2015年

6 雷雨;面向考試時間表問題的啟發(fā)式進化算法研究[D];西安電子科技大學(xué);2015年

7 熊霖;大數(shù)據(jù)下的數(shù)據(jù)選擇與學(xué)習(xí)算法研究[D];西安電子科技大學(xué);2015年

8 周雷;基于圖結(jié)構(gòu)的目標(biāo)檢測與分割算法研究[D];上海交通大學(xué);2014年

9 王冰;人工蜂群算法的改進及相關(guān)應(yīng)用的研究[D];北京理工大學(xué);2015年

10 蔣亦樟;多視角和遷移學(xué)習(xí)識別方法和智能建模研究[D];江南大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 姚鑫宇;EMD去噪與MUSIC算法在DOA估計中的聯(lián)合應(yīng)用[D];昆明理工大學(xué);2015年

2 陸進;面向含噪數(shù)據(jù)聚類相關(guān)算法的研究[D];復(fù)旦大學(xué);2014年

3 李家昌;基于能量約束的超聲圖像自動分割算法[D];華南理工大學(xué);2015年

4 陳堅;基于密度和約束的數(shù)據(jù)流聚類算法研究[D];蘭州大學(xué);2015年

5 高健;基于Zynq7000平臺的去霧算法研究及實現(xiàn)[D];南京理工大學(xué);2015年

6 顧磊;基于Hadoop的聚類算法的數(shù)據(jù)優(yōu)化及其應(yīng)用研究[D];南京信息工程大學(xué);2015年

7 楊燕霞;基于Hadoop平臺的并行關(guān)聯(lián)規(guī)則挖掘算法研究[D];四川師范大學(xué);2015年

8 王羽;基于MapReduce的社區(qū)發(fā)現(xiàn)算法的設(shè)計與實現(xiàn)[D];南京理工大學(xué);2015年

9 許振佳;流式數(shù)據(jù)的并行聚類算法研究[D];曲阜師范大學(xué);2015年

10 董琴;人工蜂群算法的改進與應(yīng)用[D];大連海事大學(xué);2015年

  本文關(guān)鍵詞：基于GT-KM算法的入侵檢測研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：456396