基于聚类组织协同进化的入侵检测算法

《基于聚类组织协同进化的入侵检测算法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、万方数据第27卷第7期计算机仿真2010年7月文章编号：1006—9348(2010)07-0088一04基于聚类组织协同进化的入侵检测算法杜昌钰1，贾庆节2(1．贵州民族学院，贵州贵阳550025；2．郑州大学西亚斯国际学院电子信息工程学院，河南郑州451150)摘要：为解决组织协同进化分类算法起始状态偏低以及进化过程缓慢的问题，提出一种基于组织概念与编码问题处理相结合的聚类组织协同进化算法，算法从样本数据集数量巨大的特点出发。将聚类后的数据块定义为组织，在改进算法初始状态的同时，使之更加适合数据成分较大的入侵检测。通过KDDCUP99数据集进行仿真对比实验的结果表明，算法的入侵检测比较高

2、，对于问题的解决方式与入侵检测系统可以实现无缝对接，算法可行有效。关键词：入侵检测；网络安全；组织协同进化中图分类号：TPl8文献标识码：AIntrusionDetectionBasedonClusteringorganizationalCo．．EvolutionaryClassifierDUChang—yul．JIAQing-jie2(1．GuizhouUniversityforNationalities，?MathsandComputerScience?CoHege，GuiyangGuizhou550025，China；2．SiasInternationalUniversity，Scho

3、olofElectronicsandInformationEngineeringDepartmentofComputerScience，ZhengzhouHenan451150，China)ABSTRACT：Tosolvelowinitialstateoforganizationcoordinationevolutionsortingalgorithmandlowevolutionprocess，aneworganizationcoordinationevolutionsortingalgorithmbasedonthecoordinationevolutionthoughtWaspropo

4、sed．Simultaneouslytheconceptorganizationhassolvedtheproblemofsamplecodingofthegeneralevolutionalgorithm．Withhugesampledata，clusterthoughtisintegratedintheorganizationcoordinationevolutionalgorithm．Soitformstheclusterorganizationcoordinationevolutionalgorithm．Thesimulationresultoftheoppositeexperime

5、ntontheKDDCUP99datasetwiththisalgorithmindicatesthattheinvasiondetectingratewiththisalgorithmisquitehighanditmayrealizethe$ealTiles$dockingofthewayofproblemsolutionandtheinvasiondetectingsystem．Sothealgorithmcanmakework．KEYWORDS：Intrusiondetection；Networksecurity；OrganizationCO—evolutionary1引言随着“入侵

6、检测模型”⋯概念的引入，入侵检测技术受到越来越多的人们的关注，研究者们将各种模式分类的方法应用到入侵检测领域：基于统计的方法，支撑矢量机的方法旧J，聚类的方法∞1，以及人工免疫的方法H1等等。通过应用这些算法，人们取得了不错的结果，但是还远没有达到实际应用所要求的效果。在研究者们探究领域不断拓展的同时，又出现了组织协同进化分类算法(以下简称OCEC)以及模糊组织协同进化算法(以下简称OCEFC)，它们都是一种基于协同进化原理的、具有很高准确率的分类算法，但通过对OCEC和入侵检测数据KDDCUP99进行分析发现，传统OCEC在海量数据处收稿日期：2009—11—10修回日期：2010一Ol一

7、24—88一理的准确率方面以及训练样本中已知的正常数据和入侵类型数据、未知入侵类型数据的分类上，并不是十分有效。为了解决这个问题，结合聚类算法对OCEC进行了改进，提出了聚类组织协同进化分类算法(以下简称COCEC)。COCEC通过聚类对初始数据分块，经过聚合分块后的数据产生的组织较少，进行数据分类的规则也大大减少，从而达到对数据进行比较全面学习以及提高数据分类速度和效率的目标。通过对KDDCUP99数据集的