基于混合蛙跳聚类算法的网络数据异常检测研究

发布时间：2020-06-26 00:57

【摘要】：随着计算机技术的发展,网络数据以不可估计的速度增长,越来越多的网络安全问题也相伴而生。人们对网络安全问题的研究由来已久,其中网络异常检测是维护网络安全的重要环节之一;数据挖掘与机器学习技术的发展对网络异常检测发挥着越来越重要的作用,而网络安全问题都可以映射为网络数据安全,由此本文提出了基于混合蛙跳聚类算法的网络数据异常检测研究。本文针对网络数据异常检测中数据维数高、异常检测准确率低的问题,展开了相应的研究工作:(1)研究特征选择方法,提出基于信息共享的二次特征选择算法网络数据流量维数高、特征复杂,如何在复杂的网络数据中快速、准确的提取关键信息格外重要。为了提高特征选择的准确率,本文提出了一种基于信息共享的二次特征选择算法。该算法基于信息共享的概念,从信息增益和相关性两个角度出发,对网络数据特征进行预选择,然后利用改进的群体智能算法对预选的特征子集进行二次特征选择,从而提取出网络数据的主要特征。实验表明,在不同分类器和不同数据集下,该方法不仅可以降低特征空间维数,还能保证较好的分类准确率。(2)研究密度峰值聚类算法,提出基于混合蛙跳的密度峰值聚类算法本文主要研究了密度峰值聚类算法,该算法能更准确的定位到聚类中心,但聚类结果受前一步聚类结果的影响,对类属不明确的数据点聚类效果差。为了提高密度峰值聚类算法在网络数据异常检测中的效率,本文提出了一种基于混合蛙跳的密度峰值聚类算法,该算法改进了密度峰值聚类算法的聚类规则,将数据分为类属明确的点和类属不明确的模糊数据点,并借鉴三角稳定性思想获取模糊数据点的候选类标签,通过混合蛙跳算法确定其最终类标签,提高对模糊数据点的聚类精度。实验结果表明,该算法能有效的识别模糊数据点并对其聚类,相较于几种典型的聚类算法,本文算法具有更好的聚类质量。(3)构造网络数据异常检测算法,并应用到网络取证系统中构造了网络数据异常检测算法,该算法分为预处理和异常检测两个过程,在预处理部分,对KDDCUP99数据集进行标准化处理,并利用基于信息共享的二次特征选择算法提取网络数据的主要信息;在异常检测部分,将预处理的网络数据信息作为检测对象,采用基于混合蛙跳的密度峰值聚类算法对其进行聚类分析,检测出网络所受的攻击类型。实验结果表明不管是在原始数据集还是在降维后的数据集上,该算法较其他主流聚类算法都具有更高的异常检测率。最后将异常检测算法应用到网络取证系统中,实现对网络数据的异常检测。
【学位授予单位】：山东师范大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP311.13;TP393.08
【图文】：

山东师范大学硕士学位论文第一章 绪论背景及意义机技术是当前发展最迅猛的技术之一，它的发展加速了信息产业月异的信息产品，给我们带来了精彩纷呈的信息资源，丰富了人们的眼界，使人们足不出户就可以共享最新的信息资源。不管是医疗、国防等方面，网络都发挥了不可替代的作用。然而在计算大便利的同时，也带来了很多网络安全问题，例如网络病毒攻击。

中的计算量，也在一定程度上提高了聚类分类的速度。特征选择算法分为产生过程、评价准则、停止条件和验证过程四个步骤，其具体过程如图2-1所示。图2-1 特征选择过程产生过程即为按照某种搜索策略产生特征子集，搜索策略主要分为三大类，如图2-2所示；评价准则通常是某些评价函数，目前已经产生了很多评价准则，如距离向量、卡方函数、基于相关性的评价等[28]；停止条件是用于判断特征选择过程的停止时间；最后的验证过程是为了检验选择出的特征子集的代表性。

【相似文献】

相关期刊论文 前10条

1 欧阳普仁,杨叔子;一种改进的Marple算法[J];南京理工大学学报(自然科学版);1988年01期

2 黄小蓓;隆永红;;分布式数据库管理系统中的N&发控制——算法及其性能分析[J];计算技术与自动化;1988年02期

3 冯成进;;0—1规划新算法的改进[J];曲阜师范大学学报(自然科学版);1988年02期

4 曾秀;魏振华;;猴群算法及其改进综述[J];电脑知识与技术;2017年32期

5 许灿英;;算法合谋反竞争问题初探[J];合肥工业大学学报(社会科学版);2019年02期

6 段艳明;肖辉辉;林芳;;新授粉方式的花授粉算法[J];计算机工程与应用;2018年23期

7 肖海军;王芬艳;卢常景;曹颖;;一种有效的多峰优化鸟群算法[J];中南民族大学学报(自然科学版);2018年04期

8 覃远年;梁仲华;;蚁群算法研究与应用的新进展[J];计算机工程与科学;2019年01期

9 肖辉辉;段艳明;;基于改进花授粉算法的移动机器人路径规划研究[J];软件导刊;2018年11期

10 陈昌兴;王建彬;陈建平;;一种混合重心重构花授粉改进算法[J];现代计算机;2019年20期

相关会议论文 前10条

1 苗强;刘晓琳;王仲奇;;随机球重叠判断算法改进研究工作进展[A];中国原子能科学研究院年报 2013[C];2014年

2 李超;余昭平;;基于矩阵的Apriori算法改进研究[A];第二届全国信息检索与内容安全学术会议（NCIRCS-2005）论文集[C];2005年

3 王蓬;宋明玉;张林芳;王新远;;广义自适应相干累积算法改进及其在线谱增强中的应用[A];中国声学学会2007年青年学术会议论文集（上）[C];2007年

4 郝红星;吴玲达;宋汉辰;;一种残损图像修补算法改进与实现[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

5 解迎刚;王志良;郑珊山;;基于LANDMARC及其算法改进的RFID室内定位研究[A];第二十九届中国控制会议论文集[C];2010年

6 王笃侠;冷晟;周燕飞;;单件小批生产模式下的MRP算法改进[A];全国先进制造技术高层论坛暨第七届制造业自动化与信息化技术研讨会论文集[C];2008年

7 邹锦峰;;水面仿真研究及算法改进[A];全国首届数字（虚拟）科技馆技术与应用学术研讨会论文集[C];2007年

8 林关成;李亚安;;一种支持向量机训练集选取算法改进[A];2009’中国西部地区声学学术交流会论文集[C];2009年

9 李国栋;;定点DSP实现均衡的算法改进与仿真[A];系统仿真技术及其应用（第7卷）——'2005系统仿真技术及其应用学术交流会论文选编[C];2005年

10 吴铁洲;郑丹丹;;蓝牙的密钥算法改进[A];湖北省电工技术学会、武汉电工技术学会2008年学术年会暨理事会换届大会论文集[C];2008年

相关重要报纸文章 前2条

1 记者 宛霞;风云卫星云导风算法改进[N];中国气象报;2018年

2 记者 陈姝;深企为大桥定制人脸识别方案[N];深圳商报;2018年

相关博士学位论文 前10条

1 张代雨;多学科优化算法及其在水下航行器中的应用[D];西北工业大学;2017年

2 钟林峰;复杂网络中关键节点的挖掘算法研究[D];电子科技大学;2018年

3 邱实;多光谱卫星遥感影像云及云阴影精准检测算法研究[D];电子科技大学;2018年

4 孙宁;人工免疫优化算法及其应用研究[D];哈尔滨工业大学;2006年

5 陆楠;关联规则的挖掘及其算法的研究[D];吉林大学;2007年

6 胡铟;基于单目视觉的运动目标检测与跟踪算法研究[D];南京理工大学;2008年

7 王珏;生物地理学优化算法的研究及应用[D];哈尔滨工程大学;2013年

8 黄松;面向多应用场景的粒子群优化算法研究[D];江南大学;2017年

9 安琦;信号侦收中的识别与分类理论与算法研究[D];电子科技大学;2017年

10 周瑞红;基于群智能优化理论的聚类改进方法及应用研究[D];吉林大学;2017年

相关硕士学位论文 前10条

1 王彩青;基于蚁群算法的非均匀分簇CWSN中APTEEN的研究[D];内蒙古大学;2019年

2 刘孟迪;基于混合蛙跳聚类算法的网络数据异常检测研究[D];山东师范大学;2019年

3 李佩茜;一种高效的基于教与学的社区发现算法的研究[D];厦门大学;2018年

4 裴华欣;自适应密度峰划分聚类算法研究及应用[D];浙江工业大学;2018年

5 朱炎亮;基于深度学习的人员异常操作视觉检测算法[D];浙江工业大学;2018年

6 曾辰子;改进差分进化算法及其收敛性分析[D];武汉理工大学;2018年

7 张思硕;基于视频处理的道路目标检测与跟踪算法研究[D];哈尔滨工程大学;2019年

8 牛群;带硬时间窗的车辆路径问题求解算法研究[D];兰州理工大学;2019年

9 刘晓红;改进的AP-SVM算法研究及其在字母识别的应用[D];厦门大学;2017年

10 朱昌龙;面向三维游戏场景的动态寻路算法的研究与应用[D];武汉工程大学;2018年

本文编号：2729580