改進的K-means算法在入侵檢測系統(tǒng)中的應用研究.pdf

1、隨著網(wǎng)絡技術的不斷發(fā)展和網(wǎng)絡用戶的不斷增加，人們得益于網(wǎng)絡帶來的便利的同時，計算機和網(wǎng)絡系統(tǒng)的安全保護問題也越來越突出，網(wǎng)絡安全變得越來越重要。目前的網(wǎng)絡安全技術如防火墻、信息加密，作為網(wǎng)絡安全的第一道防線是遠遠不能有效阻止來自網(wǎng)絡上的入侵的。針對網(wǎng)絡系統(tǒng)的攻擊越來越普遍，攻擊手法的日趨復雜，入侵檢測技術也隨著網(wǎng)絡技術和相關學科的發(fā)展而日趨成熟，成為網(wǎng)絡安全的第二道防線。它對計算機和網(wǎng)絡資源上的惡意使用行為進行識別和響應，不僅檢測來自外

2、部的入侵行為，同時也監(jiān)督內(nèi)部用戶的未授權活動。本文基于上述研究背景，進行了以K－means聚類分析為基礎的網(wǎng)絡入侵檢測研究。主要研究內(nèi)容如下： ⑴從入侵檢測研究背景和發(fā)展歷程出發(fā)，介紹了入侵、入侵檢測和入侵檢測系統(tǒng)的基本概念和原理，闡述了將K-means聚類算法引入入侵檢測領域的背景，分析其出發(fā)點、可行性以及此領域的研究進展和存在的相關問題。 ⑵針對經(jīng)典K-means算法聚類中心個數(shù)難以確定的缺點，提出了一種求聚類中心個

3、數(shù)的算法。針對經(jīng)典K-means算法易受噪聲和孤立點影響這一缺點，對算法做了進一步改進，以減少噪聲和孤立點對聚類效果的影響。針對經(jīng)典K-means算法聚類效果對初始質(zhì)心嚴重依賴和對數(shù)據(jù)輸入順序敏感的缺點，本文提出了尋找較為準確的K個聚類中心的辦法，從而可以得到更好的劃分效果。 ⑶將改進的K-means算法應用到對數(shù)據(jù)的分析中去，提出了一種實時入侵檢測模型。仿真實驗證明：基于改進的K-means算法的入侵檢測系統(tǒng)降低了誤檢率和誤報