版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、信息技術(shù)的飛速發(fā)展超乎了我們的想象,并且已經(jīng)廣泛應(yīng)用到生活中的各個(gè)領(lǐng)域,現(xiàn)在我們的日常生活已經(jīng)離不開計(jì)算機(jī),甚至是出現(xiàn)了很多新生的科技產(chǎn)品,他們與計(jì)算機(jī)的工作方式極其相似,比如智能手機(jī),平板電腦。我們用這些高科技產(chǎn)品進(jìn)行溝通、交流、學(xué)習(xí),加之網(wǎng)絡(luò)的存在,它甚至深入到了購物、吃飯、出行等一系列的生活細(xì)節(jié)。隨之而來的就是對(duì)信息安全問題的嚴(yán)峻考驗(yàn)。而且網(wǎng)絡(luò)入侵手段長(zhǎng)速度非常快。在日常生活中越來越多的人被盜號(hào),越來越多的黑客利用不法手段,獲取他
2、人財(cái)物,對(duì)人們的正常生活造成了很大的損失,但是由于能力所限還有每個(gè)人的工作學(xué)習(xí)方向不盡相同,我們無法要求每個(gè)使用網(wǎng)絡(luò)的人都會(huì)保護(hù)自己的電腦安全,只能通過電腦系統(tǒng)本身在網(wǎng)絡(luò)安全性能上的提高,來預(yù)防入侵事件的發(fā)生。人們不得不去尋求好的方法,對(duì)入侵進(jìn)行防御,但是黑客的技術(shù)也在不斷升級(jí),所以傳統(tǒng)的被動(dòng)的防火墻等靜態(tài)防御方式面臨了巨大的挑戰(zhàn)。而入侵檢測(cè)的主動(dòng)防御,恰恰很好的彌補(bǔ)了傳統(tǒng)技術(shù)的缺陷。
本文基于入侵檢測(cè)技術(shù),以數(shù)據(jù)挖掘聚類分析
3、為切入點(diǎn),尋求應(yīng)對(duì)大數(shù)據(jù)環(huán)境下數(shù)據(jù)挖掘入侵檢測(cè)的新技術(shù)。聚類分析是隨著計(jì)算機(jī)技術(shù)的發(fā)展研究新興的一種數(shù)據(jù)挖掘技術(shù)的研究方向,它將大量的數(shù)據(jù),按照一定的規(guī)則進(jìn)行分類,使相似的數(shù)據(jù)聚集成一類,以達(dá)到區(qū)分的目的。而聚類的特點(diǎn)恰好符合入侵檢測(cè)對(duì)算法的要求,入侵的行為首先來說相對(duì)于日常的網(wǎng)絡(luò)行為是較少的,并且可以根據(jù)不同的入侵事件特征,將相類似點(diǎn)提取出來,進(jìn)行聚類整合。所以本文重點(diǎn)研究改進(jìn)的k中心點(diǎn)聚類算法與入侵檢測(cè)相結(jié)合的方法,文章包含以下幾個(gè)
4、方面:
第一,對(duì)入侵檢測(cè)系統(tǒng)和聚類分析方法進(jìn)行系統(tǒng)闡述,分析了現(xiàn)有的聚類方法在大數(shù)據(jù)環(huán)境下應(yīng)用于入侵檢測(cè)時(shí)的優(yōu)缺點(diǎn)。
第二,介紹網(wǎng)絡(luò)入侵檢測(cè)、聚類分析的相關(guān)技術(shù)以及k中心點(diǎn)聚類算法應(yīng)用在大數(shù)據(jù)環(huán)境下入侵檢測(cè)遇到的問題,并在原有的k-medoids算法基礎(chǔ)上進(jìn)行改進(jìn),將改進(jìn)的k-medoids算法應(yīng)用到入侵檢測(cè)中。
第三,利用當(dāng)今入侵檢測(cè)中公認(rèn)的KDD CUP99數(shù)據(jù)集進(jìn)行實(shí)驗(yàn),最終實(shí)驗(yàn)結(jié)果顯示,改進(jìn)的算法能
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于SOM算法改進(jìn)K-medoids算法及其研究.pdf
- 基于改進(jìn)粒計(jì)算的K-medoids聚類算法研究.pdf
- K-medoids聚類算法研究及其在文本聚類中的應(yīng)用.pdf
- 基于MapReduce的K-Medoids并行算法研究.pdf
- K-medoids聚類算法及在社會(huì)標(biāo)簽系統(tǒng)中的應(yīng)用研究.pdf
- 大數(shù)據(jù)環(huán)境中知識(shí)服務(wù)及K-medoids算法改進(jìn)研究.pdf
- 基于加權(quán)二部圖與K-Medoids的協(xié)同過濾推薦算法的改進(jìn)及應(yīng)用.pdf
- 改進(jìn)的K-means算法在入侵檢測(cè)系統(tǒng)中的應(yīng)用研究.pdf
- 基于Hadoop平臺(tái)的K-Medoids聚類算法的研究與優(yōu)化.pdf
- 基于群智能的K-medoids聚類優(yōu)化算法研究.pdf
- 基于寬度優(yōu)先搜索的K-medoids聚類算法研究.pdf
- 基于加權(quán)二部圖與k-medoids的協(xié)同過濾推薦算法的改進(jìn)及應(yīng)用
- 基于ε0-領(lǐng)域搜索策略的K-medoids聚類算法研究及其應(yīng)用.pdf
- 改進(jìn)的聚類算法在入侵檢測(cè)中的應(yīng)用.pdf
- 改進(jìn)的dijkstra算法和改進(jìn)的k_medoids聚類算法在物流領(lǐng)域中的應(yīng)用
- 關(guān)聯(lián)規(guī)則挖掘的改進(jìn)算法在入侵檢測(cè)中的應(yīng)用.pdf
- Hadoop平臺(tái)下基于密度的K-Medoids聚類算法的研究與實(shí)現(xiàn).pdf
- 改進(jìn)Apriori算法在入侵檢測(cè)中的應(yīng)用研究.pdf
- 基于粒計(jì)算和模擬退火的K-medoids聚類算法.pdf
- 基于細(xì)菌覓食優(yōu)化的k-medoids文本聚類方法.pdf
評(píng)論
0/150
提交評(píng)論