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)
文檔簡介
1、湖南大學(xué)碩士學(xué)位論文基于自適應(yīng)聚類算法的DDoS攻擊檢測方法研究姓名:李少東申請(qǐng)學(xué)位級(jí)別:碩士專業(yè):計(jì)算機(jī)應(yīng)用技術(shù)指導(dǎo)教師:李麗娟20110522碩上學(xué)位論文AbstractWithrapiddevelopmentofthecomputernetworktechnology,computernetworkbringsUSaconveniencelife,butitalsoprovidesmoreconditionsfornetworka
2、ttacksInrecentyears,asthemostcommonofnetworkattacks,DoS(DenialofService)attackandDDoS(DistributedDenialofService)attackhaveplayedanincreasinglyimportantroleinnetworkattacks,andhasbecomethebiggestthreatentonetworkrecently
3、Inthispaper,webrieflydescribethesituationofnetworksecurity,studyandexposethetheory,classificationandresearchsituationoftheDoSandDDoSrespectively,introducetheexistingDDoSattackdetectionmethodsandtheiradvantagesanddisadvan
4、tages,predictthefuturetrendsofDDoSattackdetectionmethodspointoutthattheDDoSattackdetectionbasedondataminingisoneofthedetectiondirectionsinthefutureWedescribesomeknowledgeoftheclusteranalysis,mainlyanalysisthekmeansalgori
5、thm,somedisadvantagesofthealgorithmareasfollowing:(1)itassumesthenumberofclusterisknownbeforewebegintocluster,butinfactitisdifficulttodetermineinadvance;(2)owingtoitissensitivetotheselectionofinitialclustercenterandthedi
6、stributionofclusterdata,SO,iftheinitialclustercenterisselectedimproperly,therewillbegreatdifferencesbetweentheclusteringresultandtheactualresultInthispaper,weproposeanadaptiveclusteringalgorithm,whichcanobtaintheoptimalc
7、lusternumberbyusingdynamicindexandobtaintheinitialclustercenterbyusingrandomsubset,thenwetestitontheUCIdatasetExperimentresultsshowthatouralgorithmcanproperlygettheclusternumberandhaveabettercapabilitythanthekmeansalgori
8、thmCombinedwiththeadaptiveclusteringalgorithm,wedesignaDDoSdetectionmethodbasedontheadaptiveclusteringalgorithm,itmainlyincludethetrainingdatapretreatment,thekeyattributesextraction,thedataminingmoduleandthedecisionmodul
9、eWealsodescribethefunctionandimplementationofeachpartindetail;usetheLLSDDoS202datasettodoourexperiment,theresultsshowthatithasagooddetectionrateandalowfalserateWecomparethealgorithmwiththekmeansalgorithmintermsofdetectio
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
- 基于模糊聚類算法的DDoS攻擊檢測方法的研究與實(shí)現(xiàn).pdf
- 基于模糊聚類的DDoS攻擊檢測方法研究.pdf
- DDoS攻擊流及其源端網(wǎng)絡(luò)自適應(yīng)檢測算法的研究.pdf
- 基于自適應(yīng)遺傳算法的橢圓聚類方法研究
- 基于DBSCAN的自適應(yīng)聚類算法研究.pdf
- 基于自適應(yīng)遺傳算法的橢圓聚類方法研究.pdf
- 基于自適應(yīng)行聚類的自然場景文字檢測算法研究.pdf
- 基于MapReduce的自適應(yīng)密度聚類算法研究.pdf
- 基于行為分布的DDoS攻擊檢測方法.pdf
- 基于Hadoop的DDoS攻擊檢測算法的研究.pdf
- 基于自適應(yīng)聚類算法的小群體檢測與跟蹤.pdf
- DDoS網(wǎng)絡(luò)攻擊的檢測方法研究.pdf
- 基于分形與特征聚類的DDoS攻擊檢測系統(tǒng)的研究與實(shí)現(xiàn).pdf
- 基于秩約束的自適應(yīng)聚類方法.pdf
- DDOS網(wǎng)絡(luò)攻擊檢測方法的研究.pdf
- 自適應(yīng)空間聚類方法研究.pdf
- 基于密度模式的參數(shù)自適應(yīng)聚類算法研究.pdf
- 基于自然鄰的自適應(yīng)譜聚類算法研究.pdf
- 自適應(yīng)譜聚類算法的研究與應(yīng)用.pdf
- 基于ECoS的自適應(yīng)自學(xué)習(xí)聚類算法的研究.pdf
評(píng)論
0/150
提交評(píng)論