基于信息熵聚类的异常检测方法研究

《基于信息熵聚类的异常检测方法研究》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、ｗｍ＇学校代码：１０００４密级：公开肾如！交４；｜Ｍ硕ｉ专业学位论文＾基于信息滴聚类的异常检测方法研究？作者姓名张瑞琴４Ｈ工程领域ｉ十龍技术指导教师王伟副教授培龍系巾算机技料院！杉緣ｉｍ龜化ｉＯｕＨ＾ｉ硕±专业学位论文基于信息楠聚类的异常检测方法研巧ＡｎＡｎｏｍａｌｙＤｅ化ｃｔｉｏｎＭｅ出ｏｄＢａｓｅｄｏｎＩｎｆｏｒｍａｔｉｏｎＥｎｔｒｏａｎｄｐｙＣｌｕｓｔｅｒｉｎｇ作者：张瑞琴导师；王伟北京交通大学２０１６年６月学位论文版权使用授权书本学位论文

2、作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可Ｗ将学位论文的全部或部分内容编入有关巧据库进行检索，用影印、。、缩印或扫描等复制手段保存汇编供査阅和借阅提供阅览服务，并采同意学校向国家有关部口或机构送交论文的复印件和巧盘。学校可Ｗ为存巧馆际合作关系的兄弟髙校用户提供文献传递服务和交换服务。）（保密的学位论文在解密后适用本授权说明Ｉ［学位论文作者签名：导师签名：■备月之Ｖ弓〇签字曰期：年月曰签字曰期：２（＞年＾，１＞４学校代码：１０００４密级：公开北京交通大学硕：ｔ专业学位论文

3、基于信息懒聚类的异常检测方法研巧；ＡｎＡｎｏｍａｌＤｅｔｅｃｔｉｏｎＭｅｔｈｏｄＢａｓｅｄｏｎＩｎｆｏｒｍａｔｉｏｎＥｎｔｒｏｐｙａｎｄｙＣｌｕｓｉｎ化ｒｇ１４１１８作者姓名；２５２：张瑞琴学号导师姓名：副教授；王伟职称工程硕±专业领域：计算机技术学位级别：硕±北京交通大学２０１６年６月ｉ致谢。时光如白弓句过隙，在老师和，转眼间两年的研巧生学习生活即将接近尾声同学的帮助下，两年时间里，我学到了很多东西，专业技能和个人素质都得到了、、同学及家人表全面提离。在此，我谨向两

4、年来所有关也支持和帮助我的老师示衷也的感谢。本论文的工作是在我的导师王伟副教授的悉也指导下完成的。王伟老师严谨的高尚师德一，及对工作、学习的治学态度，深厚扎实的理论基础，诲人不倦丝不苟的敬业精神都对我产生了深远的影响？虽仅两年时间，却在生活和学习上给予了深切的关也和支持，帮助学生从各个方面提升自己，賦予了我终生受益的工作学习之道。本论文从选题到论文写作，倾，都得到了王伟老师的指导和帮助？注了王伟老师大量的也血，在此谨向我的导师王伟副教授表示衷也的感谢本论文的完成也离不开实验室各位同学的关也和帮助，是他们让我的研巧生生。

5、活充满快乐，感谢他们在实验过程中提供的建议和帮助，最后要感谢我的家人，感谢研巧生期间他们给予我的关怀和鼓励感谢他们在我的求学生涯中对我的支持。北京交通大学硕±专化学位论义？摘要一－异常检测是入侵检测的种检测模型，是种积极主动的安全防护技术。它作为对传统安全保护措施的补充，有效的弥补了传统安全保护措施的缺略，其重耍性越来越得到人们的肯定。但由于网络流量数据十分庞大，很难及时发现入侵行为，异常检测性能面临巨大挑战。而数据挖掘技术能从大量数据中挖掘潜在有一用的信息－ｍ，能很好的解决这问题。经典聚类算法Ｋｅａｎｓ原理简单

6、且容易实现，在异常检测的应用中具有重要的研巧价值。－本文Ｗ提高检测率和降低误报率为目的。对经典聚类算法Ｋｍｅａｎｓ无法确定聚类个数Ｋ值和随机选取初始聚类中也的不足进行改进一。提出种基于信息贿和－ｍｅａｎ改进Ｋｓ聚类的异常检测方法。在本文研究中，用信息贿表示特征属性的变－ｍｎ化情况，改进Ｋｅａｓ算法做异常检测分析，采集连续Ｈ天的网络数据，并模拟攻击行为对改进方法的性能进行验证。总结主要研巧重点为：１研巧网络安全现状和传统安全保护措施。从理论上对比分析部分常用异常（）检测方法，把信息巧和数据挖掘聚类算法结合应用到异常检测研

7、究中。分析网络一、、入侵行为的般规律，把源ＩＰ地址目的ＩＰ地址源端口、目的端口、连接时间—。Ｗ，计算网络流量在特征属性上的信息煽作为异常检测特征属性秒为时间段。２Ｋ－ｍｅａｎｓＫ）聚类算法的聚类结果易受聚类个数值的影响，而聚类个数Ｋ（一值般根据经验设定。提出在聚类过程中设畳分类闽值，根据聚类结果动态调整聚类个数Ｋ的值，克服聚类个数Ｋ值凭经验设定而影响聚类效果的不足。针对Ｋ－ｍｅａｎｓ聚类算法随机选取初始聚类中也易导致聚类结果陷入局部最优的不足，在、选取初始聚类中也时，初始簇之间的相把相距最远的数据对象作为聚类中屯，使

8、似性尽可能最大，改善聚类效果和质量，从而提商异常检測的检测性能。３利用改进Ｋ－ｍｅａｎｓ聚类算法构建异常