基于进化半监督式模糊聚类算法的入侵检测

《基于进化半监督式模糊聚类算法的入侵检测》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、西安电子科技大学硕士学位论文基于进化半监督式模糊聚类算法的入侵检测姓名：王晓峰申请学位级别：硕士专业：计算机应用技术指导教师：姜建国20050101摘要入镘捡{夔

2、

3、技术莛继“防火壤”、“数豢热密”等簧缓安全缣妒设蘸嚣瓣瑟一代安全保障技术。它可以乇H别针对计算机葳网络资源的恶意企图和行为，并对此作出甥应的反应，已越来越成为绦障网络安全豹羹要手段之一。本文讨论了入侵枪测技术的分类、常用检测方法及工作原理，分析了目前入侵捡测浆绕(IDS)存在鲍主要问题秘发鼹趋势。糖崮蘩捻溅算法瓣疆究楚IDS瓣主要发展方向之一。本文将进化半监

4、督式模糊羧粪(ESSFC)算法应魇到IDS中。浚算法使瘸少爨款标签数掘和大量未知标签数据生成IDS的分擞器。非常适合予标签数掘较难获得而未知标签数据容易获褥的蛾状。ESSFC算法可处理模糊类标签，不茹陷入弱郑最优，适合于黼糟优化表面或拥有多个局部优化解时凝值函数的优化。ESSFC算法能势行操作，适合并行结构的实现。用ESSFC算法生成的分类器对入侵数搬送行分类，操作简单，运算量小，检测率高，非常适合予实际成用。实验结果装明，相对于基于模糊C均值聚嫫算法的IDS，基于ESSFC算法的tDS裔较高的检测率。相对于基于支持向量

5、视算法的1DS有对标签数据需求少的优势。综合考虑，基予ESSFC算法的IDS是一神较好的IDS。关键词；入侵检测网络蜜全半监督学习进化规划聚类2基于、

6、，监磐式模糊聚类莓法的入侵检测ABSTltACTTheIntmsionDetectiontechnologyisanewsecuritytechnology,apartfromtraditionalsecurityprotectingtechnology’suchasfirewallanddataencryption．Itmonitorsthecomputerornetw

7、orkandreactslotheviciousintrusionorsuspiciousactivities．Ithasbecomemoreandmoreimportant．TheclassoftheIntrusionDetectiontechnology,commondetectionmethodandworktheorywasdiscussedfirstly．ThenthemainproblemsofthepresentIDSandthedevelopingtrendwereanalyzed，indicatingt

8、hatthestudyofnewdetectionalgorithmisoneofmaindevelopingaim．Thispaperproposedamethodthatapplysanevolutionarysemi—supervisedfuzzyclustering(ESSFC)algorithmtointrusiondetectionsystem(IDS)．ThisalgorithmrequiresasmallnumberofIabeleddataonlyandalargenumberofunlabeledda

9、ta．ItiSwellsuitedforthestatusquothatgainedlabeleddatadifficultlyandgmnedunlabeleddataeasybysomeinstruments．Thisalgoritluncandealwithfuzzylabelanduneasilygetintolocallyoptima．Real—valuedfunctionoptimization，inwhichtheoptimizationsurfaceis“rugged”orprocessesmanyloc

10、allyoptima，andiswellsuitedforESSFCalgorithm，Moreover,ESSFCalgorithmisabletOexhibitparallelism，andissuitedtoimplementonmassivelyparallelarchitecture．TheclassifierproducedbyESSFCalgorithmclassifiestheintrusiondata，whichiseasytohandle，calculatesafewandhashi曲detectio

11、nefficiency．Therefore，itiswellsuitedforapplication．ExperimentalresultsindicatethattheIDSbasedonESSFCalgorithmcarlimproveclassificationaccuracymoresignificantly