基于無監(jiān)督的入侵檢測.pdf

1、入侵檢測是網(wǎng)絡安全技術的一個重要組成部分.現(xiàn)在大多數(shù)的入侵檢測算法都是有監(jiān)督的--使用帶標簽的數(shù)據(jù)樣本進行訓練.而無監(jiān)督入侵檢測算法—使用無標簽的數(shù)據(jù)樣本進行訓練是一個新的具有誘惑力和挑戰(zhàn)性的課題研究.一方面,算法不要求訓練數(shù)據(jù)具有類別標簽,這有可能極大的減少算法的計算和存儲資源,提高入侵檢測的效率,并有可能發(fā)現(xiàn)新的攻擊類型:另一方面,它也對算法提出了新的要求.要求算法能實時高效地處理海量、異構、高維的無標簽數(shù)據(jù).本文針對無監(jiān)督入侵檢測

2、問題,結合自然計算、機器學習和數(shù)據(jù)挖掘等方面的幾種無監(jiān)督智能數(shù)據(jù)處理算法,提供了以下幾種解決方法:將一種基于凝聚的層次聚類方法與De Castro提出的人工免疫網(wǎng)絡aiNet結合,提出了一種基于進化免疫網(wǎng)絡的無監(jiān)督異常檢測方法.為了提高單類支撐矢量機在無監(jiān)督入侵檢測中的實用性,對訓練數(shù)據(jù)集預處理.使用了兩種方法,一種是簡單的基于數(shù)據(jù)點距離比較的方法,一種是改進的aiNet網(wǎng)絡方法.實驗證明,在單類支撐矢量機分類準確率下降不多的情況下,數(shù)