基于数据挖掘方法的入侵检测研究与应用

《基于数据挖掘方法的入侵检测研究与应用》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、华北电力大学（北京）硕士学位论文基于数据挖掘方法的入侵检测研究与应用姓名：李广霞申请学位级别：硕士专业：计算机应用技术指导教师：王颖20051230牮jE魄力大学碳士学倥论文摘要本文班繁予数据挖掘方法的入侵检鞭4技术研究为拨心，莆先对数据挖掘技术鞠入侵投溟《按零送行了疆究鞠分辑，探讨了数搀挖瓣方法中聚粪算法在入侵捡懑审黝应溺，著掇爨了一种基于最短距离算法、基于“同类相近”思想的鼹近邻优先(NearestNeighborFirst)舞法。在谈辣法中采用分辏读敬静原刘(最远邻援索髯法SNN)，查找每一患6邻域内豹最近邻点，并采用KDDCup1999数据

2、集中的数据对该算法盼执行效率进行检测。摄攒这一算法，设计了一个基于该聚炎簿法的入侵检测系统。关键词：数攒挖掘，聚类分析，最近邻优先，入侵检测，附络安全A瓤ST鼗AC霉Thecoreofthisthesis远theResearchandApplicationofData-miningbasedIntrusionDetectionSystem．First，theexiStingData-miningtechnologyandIntrusionDetectionSystemtechnologywereanalyzedandcompared，theclus

3、teringalgodthmwasdiscussed．andtheadvantagesofthetechnologywereindicated．InthispaperNearestNeighborFirst(NNF)clustering8lgorithmisproposedtoresolvethisproblembasedontheideathatthedatainsameclustermustbenear,ThemaincontributionincludeSNNalgodthm．Thenwetestthisalgorithmwiththedat

4、aKDDCup1999+Finally,theresearchworkwassummarized，andgivestheproblemtosolvefllrther．LiGuang-xia(ComputerapplicationTechnology)Directedbypmf：WangYingKEYWORDS：datamining，clustering，nearestneighborfirst，In蠹'usionDetection，networksecurity2牮jE魄力大学碳士学倥论文摘要本文班繁予数据挖掘方法的入侵检鞭4技术研究为拨心，莆先对

5、数据挖掘技术鞠入侵投溟《按零送行了疆究鞠分辑，探讨了数搀挖瓣方法中聚粪算法在入侵捡懑审黝应溺，著掇爨了一种基于最短距离算法、基于“同类相近”思想的鼹近邻优先(NearestNeighborFirst)舞法。在谈辣法中采用分辏读敬静原刘(最远邻援索髯法SNN)，查找每一患6邻域内豹最近邻点，并采用KDDCup1999数据集中的数据对该算法盼执行效率进行检测。摄攒这一算法，设计了一个基于该聚炎簿法的入侵检测系统。关键词：数攒挖掘，聚类分析，最近邻优先，入侵检测，附络安全A瓤ST鼗AC霉Thecoreofthisthesis远theResearchand

6、ApplicationofData-miningbasedIntrusionDetectionSystem．First，theexiStingData-miningtechnologyandIntrusionDetectionSystemtechnologywereanalyzedandcompared，theclusteringalgodthmwasdiscussed．andtheadvantagesofthetechnologywereindicated．InthispaperNearestNeighborFirst(NNF)clusterin

7、g8lgorithmisproposedtoresolvethisproblembasedontheideathatthedatainsameclustermustbenear,ThemaincontributionincludeSNNalgodthm．ThenwetestthisalgorithmwiththedataKDDCup1999+Finally,theresearchworkwassummarized，andgivestheproblemtosolvefllrther．LiGuang-xia(ComputerapplicationTec

8、hnology)Directedbypmf：WangYingKEYWORDS：datamining，clustering，