基于SVM的K-means聚類算法在WSN入侵檢測中的應用.pdf

1、無線傳感器網(wǎng)絡（Wireless Sensor Network,WSN）能夠在惡劣環(huán)境和特殊場合方便應用，使得無線傳感器網(wǎng)絡的研究具有很高的現(xiàn)實意義。因此WSN的相關問題研究也受到了學術界的高度關注。與傳統(tǒng)網(wǎng)絡有所不同，WSN的網(wǎng)絡壽命有限又極易被入侵，所以無線傳感器網(wǎng)絡的安全問題相對來說就是一個全新的課題，同時也是一個亟待解決的課題。作為網(wǎng)絡的第二層重要保護層，無線傳感器網(wǎng)絡的入侵檢測方法也不能沿用以前的方法，因此WSN的入侵檢測的研

2、究同樣具有很大的研究意義。
　　本文在對WSN各種原有入侵檢測技術研究的基礎上，提出基于SVM的K-means聚類算法的入侵檢測技術。本文首先肯定了K-means聚類算法在入侵檢測系統(tǒng)的應用是極有研究意義的，對比分析K-means算法和constrained-K-means算法以及本文方案，然后引出本文改進方案以達到更好的檢測效果。該機制主要是首先對數(shù)據(jù)集節(jié)點進行初次聚類，找到聚類中心和簇群，然后對每個簇群內(nèi)運用支持向量機算法使簇

3、群內(nèi)的不同類節(jié)點間距離最大化以減少分簇的風險，再對兩兩分類后的簇群重新劃分簇并判斷聚類中心是否改變，最后通過不停迭代直至達到最優(yōu)的效果。這種改進后的機制較好地提高了檢測率，降低了誤報警率。
　　本文通過Kdd cup99中的10％數(shù)據(jù)集作為實驗數(shù)據(jù)進行實驗，然后觀察改進后的聚類算法在檢測率和誤報警率兩項指標上的具體表現(xiàn)，最后和單獨使用K-means聚類算法以及使用constrained-K-means算法在準確檢測率、誤報警率方面