基于量子粒子群優(yōu)化和半監(jiān)督聚類的入侵防御技術(shù)研究.pdf

1、傳統(tǒng)的計(jì)算機(jī)網(wǎng)絡(luò)安全技術(shù)主要包括防火墻和入侵檢測(cè)系統(tǒng),但是這些方法都有其自身的不足,入侵防御技術(shù)作為一種防護(hù)計(jì)算機(jī)網(wǎng)絡(luò)免遭入侵破壞的有效手段正日益受到研究人員的高度重視,成為目前信息安全領(lǐng)域的研究熱點(diǎn)之一。
　　本文針對(duì)基于無(wú)監(jiān)督學(xué)習(xí)的入侵檢測(cè)聚類算法檢測(cè)率低、基于監(jiān)督學(xué)習(xí)的入侵檢測(cè)算法的訓(xùn)練樣本不足,并且對(duì)未知的入侵行為檢測(cè)率較低等問題,首先,提出了一個(gè)基于量子粒子群優(yōu)化的半監(jiān)督模糊聚類算法,同時(shí)為了能夠克服傳統(tǒng)FCM中Eucl

2、idean距離只能用來(lái)處理球狀數(shù)據(jù)集且對(duì)噪音和野值數(shù)據(jù)敏感等缺陷,本文提出了一個(gè)新的目標(biāo)函數(shù),即使用Bray-Curtis距離代替?zhèn)鹘y(tǒng)的Euclidean距離,并在該算法中加入一個(gè)懲罰項(xiàng)來(lái)處理受到噪音污染或人工影響的球狀或非球狀的數(shù)據(jù)集,從而避免差的結(jié)果。實(shí)驗(yàn)結(jié)果表明,算法的整體檢測(cè)效果明顯優(yōu)于其它入侵檢測(cè)算法。
　　其次,針對(duì)目前計(jì)算機(jī)技術(shù)的不斷發(fā)展,涌現(xiàn)出各種各樣的海量數(shù)據(jù),這些數(shù)據(jù)導(dǎo)致許多學(xué)習(xí)算法面臨“維數(shù)災(zāi)難”的問題。本文

3、提出了一個(gè)新的基于成對(duì)約束的半監(jiān)督降維聚類算法,同時(shí),針對(duì)Grira等近期提出的利用點(diǎn)對(duì)約束的半監(jiān)督模糊聚類算法,其約束項(xiàng)與競(jìng)爭(zhēng)聚類算法(CA)的目標(biāo)函數(shù)之間數(shù)量級(jí)不一致,并且競(jìng)爭(zhēng)項(xiàng)缺乏直觀的解釋,因此在重新定義目標(biāo)函數(shù)的基礎(chǔ)上提出一種更加合理的半監(jiān)督模糊聚類算法:約束懲罰函數(shù)采用約束點(diǎn)對(duì)中兩個(gè)樣本新的聯(lián)合表達(dá)式,使數(shù)量級(jí)與經(jīng)典模糊聚類算法一致;在競(jìng)爭(zhēng)項(xiàng)中引入Renyi熵,可以防止聚類算法過早收斂,并且可以在算法接近其真正的聚類數(shù)目時(shí)加