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),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、隨著計算機科學(xué)和網(wǎng)絡(luò)技術(shù)的發(fā)展,人們對網(wǎng)絡(luò)的需求程度呈逐步上升趨勢,然而網(wǎng)絡(luò)安全問題一直是關(guān)注的焦點問題。目前較為成熟的安全防護(hù)措施主要包括:防火墻、數(shù)字加密等相關(guān)技術(shù),但這些技術(shù)作為靜態(tài)的防御保護(hù)措施不能滿足人們對網(wǎng)絡(luò)安全性能的要求。入侵檢測作為保護(hù)網(wǎng)絡(luò)安全的新興防護(hù)手段,是一種主動的安全防御技術(shù),成為網(wǎng)絡(luò)安全領(lǐng)域研究的重要部分。為了及時有效的發(fā)現(xiàn)各種入侵行為,入侵檢測產(chǎn)品正向分布式、智能化的方向發(fā)展。
由于入侵檢測系統(tǒng)中的
2、檢測方法的諸多問題,本文提出將聚類分析和分類分析相結(jié)合并應(yīng)用于入侵檢測系統(tǒng)。首先介紹了信息安全的相關(guān)問題,以及研究入侵檢測的必要性。本文總結(jié)和概括了入侵檢測相關(guān)內(nèi)容,以及入侵檢測系統(tǒng)面臨的問題和未來的發(fā)展方向。其次,本文概述了聚類分析和分類分析的數(shù)據(jù)挖掘知識,詳細(xì)介紹聚類分析技術(shù)中的K-means算法和聚類分析技術(shù)中的決策樹算法,其中決策樹算法主要討論了ID3算法和C4.5算法。針對 K-means算法的缺陷,本文給出了相關(guān)的解決方法,
3、主要解決 K值的確定問題、初始聚類中心的選擇問題以及對孤立點和噪聲點敏感的問題。在決策樹算法中,提出的類似模糊處理的方法,在噪聲點處理問題上有較好的效果。本文提出的入侵檢測模型:通過聚類分析技術(shù)和分類分析技術(shù)相結(jié)合,生成入侵檢測規(guī)則并應(yīng)用于入侵檢測系統(tǒng),在對未知的入侵行為的檢測方面能夠表現(xiàn)出良好的檢測率,并能對其進(jìn)行正確的分類。模型主要是根據(jù)聚類分析能夠發(fā)現(xiàn)數(shù)據(jù)的相似性和相異性的特點,從而對數(shù)據(jù)進(jìn)行正確的分類。分類技術(shù)主要是針對網(wǎng)絡(luò)上的
4、數(shù)據(jù)特征對數(shù)據(jù)進(jìn)行分類。通過兩者的結(jié)合,提高了入侵檢測系統(tǒng)的檢測率并且降低了誤檢率,同時在發(fā)現(xiàn)新入侵行為方面表現(xiàn)出很好的效果。
本文提出的改進(jìn)算法和入侵檢測模型采用入侵檢測標(biāo)準(zhǔn)數(shù)據(jù)集 KDD CUP1999作為測試集驗證其工作性能。改進(jìn)的K-means算法能夠自動增長 K值,并找出新的聚類中心。決策樹算法在使用 K-means算法給出的聚類中心時,能夠在入侵檢測過程中對網(wǎng)絡(luò)數(shù)據(jù)行為正確的分類。與單獨使用聚類分析技術(shù)或者分類分析
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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 聚類算法在入侵檢測系統(tǒng)中的應(yīng)用研究.pdf
- 聚類算法在入侵檢測中的應(yīng)用.pdf
- 改進(jìn)的模糊聚類算法在入侵檢測中的應(yīng)用研究.pdf
- 協(xié)議分析及聚類算法在入侵檢測中的應(yīng)用研究.pdf
- 模糊聚類算法及其在入侵檢測中的應(yīng)用.pdf
- 稀有類分類算法在入侵檢測中的應(yīng)用.pdf
- 改進(jìn)的聚類算法在入侵檢測中的應(yīng)用.pdf
- LEGC1ust聚類算法在入侵檢測中的應(yīng)用研究.pdf
- 蟻群聚類算法在入侵檢測中的應(yīng)用研究.pdf
- 入侵檢測系統(tǒng)中的聚類算法研究.pdf
- 基于近鄰傳播聚類的離群檢測算法在入侵檢測中的應(yīng)用研究.pdf
- 模糊聚類算法在模式分類中的應(yīng)用研究.pdf
- 遺傳聚類算法在設(shè)備缺陷分類中的應(yīng)用研究.pdf
- 元啟發(fā)式聚類算法及其在入侵檢測的應(yīng)用研究.pdf
- 聚類算法及其在頁面聚類中的應(yīng)用研究
- 語義屬性數(shù)據(jù)聚類-分類算法及其在異常檢測中的應(yīng)用研究.pdf
- K-means聚類算法在網(wǎng)絡(luò)入侵檢測中的應(yīng)用研究.pdf
- 模糊聚類在入侵檢測中的應(yīng)用研究.pdf
- 基于成本敏感的分類算法在入侵檢測中的應(yīng)用研究.pdf
- art神經(jīng)網(wǎng)絡(luò)聚類算法及其在入侵檢測中的應(yīng)用
評論
0/150
提交評論