改進的K-means算法在入侵檢測系統(tǒng)中的應用研究.pdf

1、隨著網絡技術的不斷發(fā)展和網絡用戶的不斷增加，人們得益于網絡帶來的便利的同時，計算機和網絡系統(tǒng)的安全保護問題也越來越突出，網絡安全變得越來越重要。目前的網絡安全技術如防火墻、信息加密，作為網絡安全的第一道防線是遠遠不能有效阻止來自網絡上的入侵的。針對網絡系統(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絡技術和相關學科的發(fā)展而日趨成熟，成為網絡安全的第二道防線。它對計算機和網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絡入侵檢測研究。主要研究內容如下： 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。針對經典K-means算法聚類效果對初始質心嚴重依賴和對數(shù)據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