利用SSO加速最佳路径森林聚类的网络入侵检测

发布时间：2018-04-17 15:19

  本文选题：网络入侵检测 + 最优路径森林聚类　； 参考：《西南师范大学学报(自然科学版)》2017年05期

【摘要】：针对网络入侵检测系统中的一般聚类算法速度较慢和精度较低的问题,提出了一种基于简化群优化的最优路径森林聚类算法(SSO-OFC).首先,将数据集解析为图,将其节点作为样本;然后,将每个样本连接到其给定特征空间中的k-近邻,图的节点由它们的概率密度函数(pdf)值加权得到;最后,通过样本及k-近邻之间的距离计算得到pdf值.提出的算法主要贡献是快速估计最佳k值,并将最优路径森林聚类应用于网络入侵检测.在5个公开的数据集上进行实验.结果表明,SSO-OFC的精度非常稳定,除了KddCup数据集,其他数据集上的精度都在95%以上,相比基于数据聚类的SSO和自组织映射更加稳定有效.
[Abstract]:According to the detection system in general clustering algorithm is slower and the low precision problem of network intrusion, this paper proposes an optimal path clustering algorithm to simplify the forest based on swarm optimization (SSO-OFC). First, the data set for analysis chart, the node as a sample; then, connect each sample to the given feature space the k- neighbor graph nodes by their probability density function (PDF) value weighted; finally, the value of PDF between the sample and the k- nearest neighbor distance calculation algorithm is proposed. The main contribution of fast estimation of the optimum K value, and the optimal path of forest clustering is applied to network intrusion detection experiments were carried out on. 5 public data sets. The results show that the accuracy of SSO-OFC is very stable, in addition to the KddCup data set, the accuracy of other data sets in more than 95%, compared to SSO based on data clustering and self-organizing map is more stable and effective.

【作者单位】： 新疆交通职业技术学院;
【分类号】：TP393.08

【相似文献】

相关期刊论文 前10条

1 张怡,胡修林;网络入侵检测技术[J];金卡工程;2003年06期

2 张鹏;;基于危险理论的计算机网络入侵检测[J];煤炭技术;2012年12期

3 任旭;王家鑫;;计算机网络入侵检测探讨[J];中国高新技术企业;2013年18期

4 张勇,张德运,李胜磊;基于分布协作式代理的网络入侵检测技术的研究与实现[J];计算机学报;2001年07期

5 张勇,张德运,李胜磊,蒋旭宪;基于分层结构的网络入侵检测技术的研究和实现[J];小型微型计算机系统;2001年01期

6 柯海丰,吴明晖;网络入侵检测技术[J];计算机时代;2001年07期

7 杨向荣,宋擒豹,沈钧毅;基于行为模式挖掘的网络入侵检测[J];西安交通大学学报;2002年02期

8 胡昌振;网络入侵检测技术及发展[J];信息安全与通信保密;2002年10期

9 刘奇有,程思远;浅谈网络入侵检测技术[J];电信工程技术与标准化;2003年08期

10 周竞,黄河;网络入侵检测中的响应机制及应用[J];交通与计算机;2004年05期

相关会议论文 前10条

1 成科扬;;基于集对分析的网络入侵检测研究[A];2005年中国智能自动化会议论文集[C];2005年

2 蒋建春;卿斯汉;;基于攻击上下文的网络入侵检测[A];全国网络与信息安全技术研讨会'2005论文集（上册）[C];2005年

3 彭清泉;杨晓元;韩益亮;;一种基于免疫的网络入侵检测体系结构[A];第二十届全国数据库学术会议论文集（技术报告篇）[C];2003年

4 黄晓燕;许龙飞;;基于关联规则的网络入侵检测技术的应用研究[A];第二十三届中国数据库学术会议论文集（技术报告篇）[C];2006年

5 张满怀;;两类基于异常的网络入侵检测方法的比较[A];2007中国科协年会——通信与信息发展高层论坛论文集[C];2007年

6 魏念忠;;基于模糊关联规则挖掘的网络入侵检测研究[A];2008年全国开放式分布与并行计算机学术会议论文集(上册)[C];2008年

7 沈明玉;邱文庆;;基于行为模型的网络入侵检测方法研究[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

8 申红婷;;遗传算法在网络入侵检测中的应用[A];中国电子学会第十五届信息论学术年会暨第一届全国网络编码学术年会论文集（上册）[C];2008年

9 赵新星;姜青山;陈路莹;胡海斌;;一种面向网络入侵检测的特征选择方法[A];第26届中国数据库学术会议论文集（B辑）[C];2009年

10 王志刚;钱兴坤;王东亮;;基于PCA的多信息源实时网络入侵检测[A];第二十一次全国计算机安全学术交流会论文集[C];2006年

相关重要报纸文章 前6条

1 钟文;方通网络狙击手Sniper面市[N];国际商报;2003年

2 ;Symantec ManHunt[N];中国计算机报;2004年

3 ;深层防御保障国税安全[N];中国计算机报;2003年

4 北京赛门铁克信息技术有限公司 郭训平;打造信息安全的大门[N];中国计算机报;2001年

5 刘宏伟;深层防护从核心到边缘[N];中国计算机报;2004年

6 赵毅;IDS产品选购问答[N];中国计算机报;2007年

相关博士学位论文 前8条

1 杨宏宇;网络入侵检测技术的研究[D];天津大学;2003年

2 刘勇国;基于数据挖掘的网络入侵检测研究[D];重庆大学;2003年

3 张宝军;网络入侵检测若干技术研究[D];浙江大学;2010年

4 易平;移动Ad Hoc网络入侵检测与主动响应机制研究[D];复旦大学;2005年

5 蒋卫华;智能网络入侵检测与安全防护技术研究[D];西北工业大学;2003年

6 赵月爱;基于非均衡数据分类的高速网络入侵检测研究[D];太原理工大学;2010年

7 赵阔;高速网络入侵检测与防御[D];吉林大学;2008年

8 曾勇;资源受限场景下的容忍入侵关键技术研究[D];西安电子科技大学;2008年

相关硕士学位论文 前10条

1 曹丹星;基于数据降维和支持向量机的网络入侵检测[D];山东大学;2015年

2 蔡显军;网络入侵检测系统关键技术研究与实现[D];华北电力大学;2015年

3 李小剑;基于支持向量机与k近邻相结合的网络入侵检测研究[D];贵州师范大学;2015年

4 连路朋;基于分布式流数据库系统的网络入侵检测[D];电子科技大学;2015年

5 黄重水;基于聚类技术识别新型态的网络入侵检测研究[D];浙江工业大学;2011年

6 钟盛开;一种改进孪生支持向量机算法及其在网络入侵检测的应用[D];暨南大学;2016年

7 黄晓燕;基于关联规则的网络入侵检测技术的应用研究[D];暨南大学;2006年

8 罗程;基于核聚类和序列分析的网络入侵检测方法的研究[D];广西大学;2005年

9 刘翠娟;基于数据挖掘的网络入侵检测方法研究[D];华北电力大学（河北）;2006年

10 崔媛媛;网络入侵检测产品技术规范研究[D];电子科技大学;2003年

，

本文编号：1764142