本文關鍵詞：面向MANET異常檢測的分布式遺傳k-means研究

  更多相關文章： 移動自組網(wǎng) 異常入侵檢測 k-means聚類 Map Reduce 遺傳算法 劃分貢獻度

【摘要】：針對移動自組網(wǎng)(MANET,mobile ad hoc networks)入侵檢測過程中的攻擊類型多樣性和監(jiān)測數(shù)據(jù)海量性問題,提出了一種基于改進k-means算法的MANET異常檢測方法。通過引入劃分貢獻度的概念,可合理地計算各維特征在檢測中占有的權重,并將遺傳算法與快速聚類檢測算法k-means相結合,解決了聚類檢測結果容易陷入局部最優(yōu)的問題,進而,提出了以上檢測算法在Map Reduce框架下的設計方案,利用種群遷移策略在分布式處理器上實現(xiàn)了并行聚類檢測。實驗結果證明了該方法的檢測準確率和運行效率均優(yōu)于傳統(tǒng)聚類檢測方法。
【作者單位】： 海軍工程大學信息安全系;
【關鍵詞】： 移動自組網(wǎng) 異常入侵檢測 k-means聚類 Map Reduce 遺傳算法 劃分貢獻度
【基金】：國家自然科學基金資助項目(61100042) 中國博士后基金資助項目(2014M552656) 湖北省自然科學基金資助項目(2015CFC867)~~
【分類號】：TN929.5
【正文快照】： 1引言MANET(mobile ad hoc networks)由一組帶有無線通信收發(fā)裝置的移動終端節(jié)點組成,不依賴信息網(wǎng)絡基礎設施,具有較強的自組織能力和快速構建能力,應用領域十分廣泛。由于MANET的無線信道具有開放性,所以在進行信息交互的過程中易受到假冒、竊取、偽造和篡改等攻擊,因此及時

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前9條

1 武小年;彭小金;楊宇洋;方X;;入侵檢測中基于SVM的兩級特征選擇方法[J];通信學報;2015年04期

2 唐成華;劉鵬程;湯申生;謝逸;;基于特征選擇的模糊聚類異常入侵行為檢測[J];計算機研究與發(fā)展;2015年03期

3 李暉;李鳳華;曹進;牛r，

本文編號：997426