【摘要】：隨著互聯(lián)網(wǎng)科技的迅速發(fā)展,越來(lái)越多的網(wǎng)絡(luò)安全事故頻繁發(fā)生。如今,信息網(wǎng)絡(luò)所面臨的破壞威脅已經(jīng)不僅是原本的單主機(jī)的病毒感染,而是已經(jīng)發(fā)展成為了來(lái)自全球各地的主機(jī)的入侵威脅,且入侵的風(fēng)險(xiǎn)性和多樣性越來(lái)越復(fù)雜,因此對(duì)入侵檢測(cè)方法的研究具有非常重要的實(shí)際意義。網(wǎng)絡(luò)中的信息都是以數(shù)據(jù)的形式存在的,對(duì)入侵行為的檢測(cè),實(shí)際上就是一個(gè)對(duì)網(wǎng)絡(luò)行為數(shù)據(jù)集合進(jìn)行行為分類(lèi)、信息挖掘的過(guò)程。這些數(shù)據(jù)信息通常規(guī)模較大,需要運(yùn)用大數(shù)據(jù)分析中數(shù)據(jù)挖掘的方法。聚類(lèi)分析作為統(tǒng)計(jì)學(xué)與計(jì)算數(shù)學(xué)的重要分支,是一種重要的數(shù)據(jù)挖掘分析方法,且由于算法的無(wú)監(jiān)督性,更有利于智能化識(shí)別方式的實(shí)現(xiàn)。聚類(lèi)分析的基本思想就是將一個(gè)數(shù)據(jù)樣本按照一定的性質(zhì)劃分成相似的類(lèi),同一類(lèi)中的數(shù)據(jù)對(duì)象彼此相似,并且與其他類(lèi)中的數(shù)據(jù)對(duì)象不同。傳統(tǒng)的聚類(lèi)分析方法通常按較為嚴(yán)格的標(biāo)準(zhǔn)對(duì)類(lèi)進(jìn)行劃分,一個(gè)數(shù)據(jù)對(duì)象只能劃分到一個(gè)類(lèi)中。而在現(xiàn)實(shí)情況中,很多客觀問(wèn)題的對(duì)象往往會(huì)有屬于多個(gè)類(lèi)的性質(zhì),需要使用“軟劃分”的方法,基于模糊數(shù)學(xué)的模糊聚類(lèi)算法由此產(chǎn)生。模糊聚類(lèi)分析方法引入了模糊數(shù)學(xué)中隸屬度的概念,從理論上可以很好地支持軟劃分的分類(lèi)思想。模糊聚類(lèi)分析算法的應(yīng)用范圍比較廣泛,可以更好的處理現(xiàn)實(shí)問(wèn)題。使用模糊聚類(lèi)分析的方法對(duì)入侵行為進(jìn)行挖掘分析可以得到更好的分類(lèi)結(jié)果,更加有利于對(duì)入侵模式的識(shí)別。本次論文著重研究了基于傳遞閉包的模糊聚類(lèi)分析和模糊C-均值聚類(lèi)分析算法,以及這兩種算法在網(wǎng)絡(luò)入侵檢測(cè)樣本數(shù)據(jù)中的具體應(yīng)用。通過(guò)一系列的實(shí)驗(yàn),對(duì)入侵檢測(cè)樣本數(shù)據(jù)進(jìn)行分析處理,分析對(duì)比了傳遞閉包法與模糊C-均值聚類(lèi)算法的應(yīng)用效果,驗(yàn)證了模糊C-均值在處理入侵檢測(cè)行為數(shù)據(jù)方面更加快速有效,具有更好的應(yīng)用價(jià)值。
[Abstract]:With the rapid development of Internet technology, more and more network security accidents occur frequently. Today, the threat of destruction of information networks is not only a single host virus infection, but has developed into a host from all over the world, and the risk and diversity of intrusion is becoming more and more complex. Therefore, the research of intrusion detection method has very important practical significance. The information in the network exists in the form of data. The detection of intrusion behavior is actually a process of behavior classification and information mining for the data set of network behavior. These data information are usually large scale, need to use big data analysis of data mining method. As an important branch of statistics and computational mathematics, clustering analysis is an important method of data mining and analysis, and because of the unsupervised nature of the algorithm, it is more conducive to the realization of intelligent recognition. The basic idea of clustering analysis is to divide a data sample into similar classes according to certain properties. The data objects in the same class are similar to each other and different from the data objects in other classes. The traditional clustering analysis method usually divides the class according to the strict standard, a data object can only be divided into one class. However, in reality, many objects of objective problems often have the properties of multiple classes, which need to use the method of "soft partition", and the fuzzy clustering algorithm based on fuzzy mathematics is produced. The concept of membership degree in fuzzy mathematics is introduced in the fuzzy clustering analysis method, which can support the idea of soft partition in theory. Fuzzy clustering analysis algorithm is widely used and can deal with practical problems better. The method of fuzzy clustering analysis can be used to mine and analyze intrusion behavior, which can obtain better classification results and be more favorable to the recognition of intrusion patterns. This paper focuses on the fuzzy clustering analysis based on transitive closure and the fuzzy C-means clustering analysis algorithm, and their application in the network intrusion detection sample data. Through a series of experiments, the data of intrusion detection samples are analyzed and processed, and the application effects of transitive closure method and fuzzy C-means clustering algorithm are analyzed and compared. It is verified that fuzzy C-means is more efficient and efficient in dealing with intrusion detection behavior data, and has better application value.
【學(xué)位授予單位】：中國(guó)地質(zhì)大學(xué)(北京)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP311.13;TP393.08

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳禎培,李繼陶,朱自強(qiáng),鐘永碧;激光圖象頻譜的模糊聚類(lèi)分析[J];激光雜志;1984年03期

2 楊大偉;模糊聚類(lèi)分析系統(tǒng)及其應(yīng)用[J];天中學(xué)刊;2005年02期

3 秦小鐵;鄭輝昌;;基于模糊聚類(lèi)分析的圖書(shū)館選書(shū)決策方法[J];重慶科技學(xué)院學(xué)報(bào)(社會(huì)科學(xué)版);2011年11期

4 郭仁忠;張克權(quán);;模糊聚類(lèi)分析中的傳遞閉包法與普通聚類(lèi)分析中最短距離法的等價(jià)性[J];武測(cè)科技;1987年02期

5 劉定富;;模糊聚類(lèi)分析的程序設(shè)計(jì)[J];計(jì)算機(jī)農(nóng)業(yè)應(yīng)用;1988年02期

6 匡云太;;第三講 模糊聚類(lèi)分析[J];鐵路航測(cè);1989年04期

7 李瑞彩;經(jīng)濟(jì)情況預(yù)報(bào)與模糊聚類(lèi)分析[J];河北職工大學(xué)學(xué)報(bào);1999年01期

8 張文修;運(yùn)用模糊聚類(lèi)壓縮臨床癥狀資料[J];西安交通大學(xué)學(xué)報(bào);1979年04期

9 王松年;朱洪;;模糊數(shù)學(xué)在計(jì)算機(jī)工程中的應(yīng)用(二)——模糊聚類(lèi)分析及其實(shí)際應(yīng)用[J];計(jì)算機(jī)工程與設(shè)計(jì);1984年04期

10 陳守煜,楊定貴;多年徑流過(guò)程描述的周期模糊聚類(lèi)分析[J];大連工學(xué)院學(xué)報(bào);1986年02期

相關(guān)會(huì)議論文 前10條

1 郭珉;黃景文;吳高藝;;區(qū)域生態(tài)農(nóng)業(yè)經(jīng)濟(jì)模糊聚類(lèi)分析與區(qū)劃[A];管理科學(xué)與系統(tǒng)科學(xué)研究新進(jìn)展——第7屆全國(guó)青年管理科學(xué)與系統(tǒng)科學(xué)學(xué)術(shù)會(huì)議論文集[C];2003年

2 孫啟放;孫立曼;楊明;符濤;王文莉;李懿;湯美健;;應(yīng)用計(jì)算機(jī)模糊聚類(lèi)分析中藥學(xué)科的前沿結(jié)構(gòu)[A];中國(guó)中醫(yī)藥信息研究會(huì)第二屆理事大會(huì)暨學(xué)術(shù)交流會(huì)議論文匯編[C];2003年

3 劉建勇;劉華巧;張才仙;;模糊聚類(lèi)分析在綜合評(píng)價(jià)中的應(yīng)用——以山東省公路運(yùn)輸能力為例[A];第五屆中國(guó)不確定系統(tǒng)年會(huì)論文集[C];2007年

4 王帥;惠興杰;李曉奇;;模糊聚類(lèi)分析方法及其應(yīng)用[A];中國(guó)數(shù)學(xué)力學(xué)物理學(xué)高新技術(shù)交叉研究學(xué)會(huì)第十二屆學(xué)術(shù)年會(huì)論文集[C];2008年

5 陸余楚;龐華英;;疾病并發(fā)風(fēng)險(xiǎn)研究中的模糊數(shù)學(xué)方法——模糊聚類(lèi)分析[A];模糊集理論與模糊應(yīng)用專(zhuān)輯——中國(guó)系統(tǒng)工程學(xué)會(huì)模糊數(shù)學(xué)與模糊系統(tǒng)委員會(huì)第十屆年會(huì)論文選集[C];2000年

6 曾繁慧;曹俊;;模糊聚類(lèi)在水系水質(zhì)評(píng)價(jià)中的應(yīng)用[A];中國(guó)運(yùn)籌學(xué)會(huì)模糊信息與模糊工程分會(huì)第五屆學(xué)術(shù)年會(huì)論文集[C];2010年

7 閆春;趙明清;劉偉;;我國(guó)財(cái)產(chǎn)保險(xiǎn)公司償付能力的模糊聚類(lèi)分析[A];第四屆全國(guó)決策科學(xué)/多目標(biāo)決策研討會(huì)論文集[C];2007年

8 高正明;何彬;趙娟;稅舉;;模糊聚類(lèi)分析方法在設(shè)備故障診斷中的應(yīng)用研究[A];2008年全國(guó)振動(dòng)工程及應(yīng)用學(xué)術(shù)會(huì)議暨第十一屆全國(guó)設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2008年

9 扶名福;謝明祥;饒泓;;模糊聚類(lèi)分析在抽風(fēng)機(jī)故障診斷中應(yīng)用[A];第15屆全國(guó)結(jié)構(gòu)工程學(xué)術(shù)會(huì)議論文集（第Ⅱ冊(cè)）[C];2006年

10 成科揚(yáng);;基于集對(duì)分析的網(wǎng)絡(luò)入侵檢測(cè)研究[A];2005年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2005年

相關(guān)重要報(bào)紙文章 前2條

1 陶智;政務(wù)安全：NIPS力克城域網(wǎng)“內(nèi)訌”[N];中國(guó)計(jì)算機(jī)報(bào);2006年

2 鐘文;方通網(wǎng)絡(luò)狙擊手Sniper面市[N];國(guó)際商報(bào);2003年

相關(guān)博士學(xué)位論文 前2條

1 楊宏宇;網(wǎng)絡(luò)入侵檢測(cè)技術(shù)的研究[D];天津大學(xué);2003年

2 劉勇國(guó);基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)入侵檢測(cè)研究[D];重慶大學(xué);2003年

相關(guān)碩士學(xué)位論文 前10條

1 李媛;基于大數(shù)據(jù)處理的模糊聚類(lèi)分析應(yīng)用研究[D];陜西師范大學(xué);2016年

2 劉洪美;基于特征加權(quán)帶聚類(lèi)中心分離的模糊聚類(lèi)分析[D];東北大學(xué);2010年

3 蔡汶劍;模糊聚類(lèi)分析在極端氣溫的應(yīng)用[D];揚(yáng)州大學(xué);2012年

4 宋佳茵;模糊聚類(lèi)分析的有效性研究[D];中國(guó)地質(zhì)大學(xué)(北京);2012年

5 王建楠;基于模糊聚類(lèi)分析的電器故障診斷技術(shù)[D];河北工業(yè)大學(xué);2006年

6 王夢(mèng)萍;模糊聚類(lèi)算法在學(xué)科建設(shè)中的應(yīng)用[D];哈爾濱工程大學(xué);2009年

7 劉宇光;無(wú)線傳感器網(wǎng)絡(luò)入侵檢測(cè)的研究[D];天津理工大學(xué);2015年

8 曹丹星;基于數(shù)據(jù)降維和支持向量機(jī)的網(wǎng)絡(luò)入侵檢測(cè)[D];山東大學(xué);2015年

9 蔡顯軍;網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)關(guān)鍵技術(shù)研究與實(shí)現(xiàn)[D];華北電力大學(xué);2015年

10 李小劍;基于支持向量機(jī)與k近鄰相結(jié)合的網(wǎng)絡(luò)入侵檢測(cè)研究[D];貴州師范大學(xué);2015年

，

本文編號(hào)：2335464