基于IPMeans-KELM的入侵检测算法研究

发布时间：2017-09-23 19:08

  本文关键词：基于IPMeans-KELM的入侵检测算法研究

  更多相关文章： 网络入侵 粒子群算法 K均值算法 核极限学习机 折交叉验证

【摘要】：目前入侵检测系统中普遍存在数据维度高、数据量大、训练难等问题。在入侵检测系统中应用核极限学习机(KELM)算法,使其能够适应大量高维数据的训练,且学习速度快无需调整网络的输入权值,降低了检测系统的训练难度。但是由于入侵数据集的不均衡性、噪音干扰性、分布不均性等,直接影响了KELM的分类性能。因此,针对入侵数据处理问题,提出了一种基于IPMeans-KELM的入侵检测算法。该算法首先利用改进的PSO优化K-means算法(IPMeans)对入侵数据进行聚类处理,增加相同数据类型的聚集度,然后对处理后的数据进行10-CV分割,将分割的10份数据轮流训练KELM分类器,把测试数据通过训练好的KELM分类器进行测试,输出分类器检测率的平均值,如果检测效果不满足期望条件,则进行循环处理,直至条件满足。在Matlab平台上进行了对比实验,实验结果表明该算法在有效地提高了入侵检测率的同时降低了误报率。
【作者单位】： 江苏科技大学计算机科学与工程学院;
【关键词】： 网络入侵 粒子群算法 K均值算法 核极限学习机 折交叉验证
【基金】：国家自然科学基金(No.61305058) 江苏省自然科学基金(No.BK20130471)
【分类号】：TP393.08;TP18
【正文快照】： 1引言网络入侵[1]指未经过用户授权而对系统资源进行非法操作的行为,随着近几年来对其不断的深入研究,以机器学习算法为核心的入侵检测模型成为网络安全领域的研究热点。于秋玲提出的改进的NN-SVM算法[2]提高了系统的小样本学习能力,明仲等人提出的并行江苏科技大学计算机科学

【相似文献】

中国期刊全文数据库 前10条

1 俞研;黄皓;;一种半聚类的异常入侵检测算法[J];计算机应用;2006年07期

2 ;基于聚类的入侵检测算法研究[J];广东外语外贸大学学报;2008年06期

3 聂晓文;卢显良;王征;;基于数字垂钓的盲目入侵检测算法[J];计算机应用;2008年05期

4 李思广;刘蕴;;分布式入侵检测系统的学习机制与检测算法[J];漯河职业技术学院学报;2008年02期

5 宋凌;李枚毅;李孝源;;一种新的半监督入侵检测算法[J];计算机应用;2008年07期

6 韩仲祥;段_";董淑福;张锐;陶晓燕;;基于反向传播神经网络的入侵检测算法[J];空军工程大学学报(自然科学版);2009年04期

7 胡翰;;基于主动学习的半监督聚类入侵检测算法[J];无线互联科技;2011年10期

8 林逢春;张英;;一种新的半监督聚类入侵检测算法[J];无线互联科技;2012年03期

9 何晓薇;;跑道入侵检测算法研究[J];中国民航飞行学院学报;2012年03期

10 梁力;;一种网络多次变异信息入侵检测算法[J];科技通报;2012年10期

中国重要会议论文全文数据库 前1条

1 王志佳;顾健;;一种改进的确定有限自动机入侵检测算法研究[A];全国计算机安全学术交流会论文集·第二十五卷[C];2010年

中国博士学位论文全文数据库 前3条

1 曾剑平;基于模糊集的自适应伪装入侵检测算法及其在ASP服务安全中的应用研究[D];厦门大学;2006年

2 段丹青;入侵检测算法及关键技术研究[D];中南大学;2007年

3 王培崇;基于群智能计算技术的网络入侵检测算法研究[D];中国矿业大学（北京）;2010年

中国硕士学位论文全文数据库 前10条

1 逯玉婧;基于深度信念网络的入侵检测算法研究[D];河北师范大学;2016年

2 葛邮兵;基于数据挖掘的入侵检测算法研究[D];扬州大学;2008年

3 斯海飞;入侵检测算法研究[D];西安电子科技大学;2002年

4 王川伟;基于混合聚类的入侵检测算法研究[D];西安科技大学;2010年

5 李雯睿;基于半监督聚类的入侵检测算法研究[D];河南大学;2007年

6 李丽;基于学习的入侵检测算法研究[D];北京服装学院;2010年

7 周记生;安全敏感区域的入侵检测算法研究与实现[D];北京邮电大学;2013年

8 王军;基于人工免疫原理的入侵检测算法研究[D];武汉理工大学;2008年

9 邓青;基于改进模糊C均值的入侵检测算法及应用研究[D];辽宁工程技术大学;2011年

10 王艳;基于危险模式理论的入侵检测算法的研究与设计[D];南昌大学;2006年

，

本文编号：906956