legc1ust聚类算法在入侵检测中应用的研究论文

《legc1ust聚类算法在入侵检测中应用的研究论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要随着计算机网络技术的飞速发展和网络应用范围的不断扩大，各种网络攻击与破坏与日俱增，网络安全问题日益突出。如何有效并及时地发现各种入侵行为，对计算机操作系统和网络资源的安全防御极其重要。传统的静态网络安全技术，如防火墙、杀毒软件等，已经很难满足网络安全的需求。而入侵检测系统作为一种积极主动的安全防御技术，已成为信息安全保护体系结构中的一个重要组成部分。数据挖掘是一种有效的入侵检测技术之一，该技术通过对网络数据和系统日志进行分析，可挖掘出日常计算机操作数据中潜在的规则。聚类分析是数据挖掘中一种典型的无监督学习技术，该技术可在未标记的计算机行为数据中直接建立入侵检测模型，发现异常操作行为，对提

2、高入侵检测系统的效率有重大的研究价值。LEGClust算法是一种新的聚类分析技术。该算法通过考虑数据元素周围邻近数据的局部特征，采用Renyi二次熵来构建相异度矩阵，从而可有效的发现数据内所隐含的任意形状簇。基于上述优点，本文将该算法应用于入侵检测中，对日常操作行为数据进行建模，提出一种新的入侵检测方法。LEGClust算法通过构建一个邻近矩阵来确定数据元素之间的连接性，进而确定簇与簇的合并过程。该过程仅考虑了数据之间的邻近性，却忽略了数据之间的真实相异度，从而有可能导致异常簇被合并到正常簇中，使得入侵检测的性能下降。针对该问题，本文将数据之间的真实相异度——欧几里得距离，引入数据之间连接关

3、系的确定中，提出一种基于LEGClust聚类算法的入侵检测方法。在KDDCUPl999数据集中的实验结果表明，面向入侵检测LEGClust算法可有效地对日常操作行为数据进行建模，并可有效地发现入侵操作行为。关键词：入侵检测聚类分析LEGClust算法ReIlyi二次熵AbstractAbstractWimthedevelopmentofnetworktechnologyandtheexpandingusageofnetwork,lllOrCand11101屯attacksanddamagestothenetworkareemerging．Thustheissueofnetworksecuri

4、tyisincreasingprominent．HowtodetectactivitiesquieldyandefficientlyhasbecomingimportanttothesecurityofsystemandnetworkI'e$OUI'Ce．Traditionalstaticnetworksecuritytechnologies，such鹤firewaUsandantivirussoft'ware，havebecomedifficulttoke印systemsafe．As觚activedefensetechnology,theinla'usiondetectionsystemh

5、asbecomeallimportantpartinthearchitectureofinformationsecurity．Dataminingisonekindofetfeetiveintrusiondetectiontechnique．Itanalyzesthenetworkdataandauditlogtofindtheunderlyingrulesinthedata．Clusteringanalysisisatypicalunsupervisedlearningtechnologyindatamining．ItCalldirectlybuildinlrusionmodel01"fi

6、ndabnormaldatabasedOnunlabeleddata．Soitisofgreatresearchvalueinimprovingtheefficiencyofintrusiondetectionsystem．LEGClustdusteralgorithmisaIICWclusteringanalysistechnique．Itconsidersthelocalfeaturesoftheneighboringdataofspecificdataelements，andusesRenyi’Squadraticentropytobuilddissimilaritymatrix，th

7、usitc跹effectivelyfindthearbitraryshapedustershiddeninthedata．Based011thisadvantage，Weapplythisalgorithmtotheintrusiondetectionfieldinthispaper,andpresentaintrusiondetectionmethod．LE(3Clust憾esproximitymatrix