基于k—means改進(jìn)算法的入侵檢測(cè)系統(tǒng)研究

高波　黃敏

摘要：入侵檢測(cè)技術(shù)作為一種主動(dòng)的網(wǎng)絡(luò)安全防護(hù)技術(shù)越來(lái)越引起研究者的關(guān)注，該文以 k-means 算法為基礎(chǔ)，對(duì)基于k-means算法的入侵檢測(cè)系統(tǒng)進(jìn)行了研究和分析，指出了傳統(tǒng) k-means 算法的不足，提出了相應(yīng)的改進(jìn)策略，在此基礎(chǔ)上完成基于k-means改進(jìn)算法的入侵檢測(cè)系統(tǒng)的研究。

關(guān)鍵詞：入侵檢測(cè)；數(shù)據(jù)挖掘；k-means算法

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1009-3044（2014）31-7425-03

Abstract： Intrusion detection technology as a proactive network security technology has drawn increasing attention from researchers. This paper based on k-means algorithm， intrusion detection system based on k-means algorithm were studied and analyzed， pointed out the shortcomings of traditional k-means algorithm， put forward the corresponding improvement strategies. On the basis completed the study An intrusion detection system based on k-means algorithm improved.

Key words： intrusion detection； data mining； k-means algorithm

1 概述

入侵檢測(cè)技術(shù)作為一種積極主動(dòng)的安全防護(hù)技術(shù)，提供了對(duì)內(nèi)部攻擊、外部攻擊和誤操作的實(shí)時(shí)保護(hù)，在網(wǎng)絡(luò)系統(tǒng)受到危害之前攔截和響應(yīng)入侵[1]。它被認(rèn)為是防火墻之后的第二道安全閘門(mén)，在不影響網(wǎng)絡(luò)性能的情況下能對(duì)網(wǎng)絡(luò)進(jìn)行監(jiān)測(cè)。隨著網(wǎng)絡(luò)環(huán)境的日益復(fù)雜和網(wǎng)絡(luò)數(shù)據(jù)的日益龐大，入侵檢測(cè)系統(tǒng)往往需要處理海量的數(shù)據(jù)，來(lái)發(fā)現(xiàn)其中可能存在的入侵行為，這是對(duì)入侵檢測(cè)系統(tǒng)的一個(gè)很大挑戰(zhàn)。

數(shù)據(jù)挖掘指從大量的數(shù)據(jù)中通過(guò)算法搜索隱藏于其中信息的過(guò)程。數(shù)據(jù)挖掘技術(shù)最先是在1999年由哥倫比亞大學(xué)Wenke lee[2]等人應(yīng)用到入侵檢測(cè)中。將數(shù)據(jù)挖掘引入到入侵檢測(cè)系統(tǒng)中，可以幫助系統(tǒng)從大量的數(shù)據(jù)中挖掘有效的特征數(shù)據(jù)，對(duì)網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行分析，實(shí)現(xiàn)有效的實(shí)時(shí)入侵檢測(cè)，不但能夠?qū)σ阎娜肭诌M(jìn)行檢測(cè)，也能夠?qū)ξ粗墓暨M(jìn)行檢測(cè)，極大地提高了入侵檢測(cè)系統(tǒng)的實(shí)時(shí)性與有效性，同時(shí)數(shù)據(jù)挖掘算法可以幫助系統(tǒng)學(xué)習(xí)新的攻擊模式，對(duì)特征進(jìn)行動(dòng)態(tài)的檢測(cè)。

本文主要介紹了一種經(jīng)典算法k-means算法，它是一種簡(jiǎn)單高效非監(jiān)督學(xué)習(xí)方法，但是傳統(tǒng)k-means 算法還有一定的缺陷，因此本文在研究和分析了k-means算法的優(yōu)缺點(diǎn)的基礎(chǔ)上，提出了對(duì)基于k-means改進(jìn)算法的入侵檢測(cè)系統(tǒng)的研究，改進(jìn)的k-means算法會(huì)在一定程度上彌補(bǔ)傳統(tǒng)k-means帶來(lái)的缺陷。

4 結(jié)論

本文通過(guò)研究和分析傳統(tǒng)k-means算法，在一定程度上了解傳統(tǒng)k-means算法的優(yōu)點(diǎn)和缺點(diǎn)。由于傳統(tǒng)k-means算法在實(shí)際應(yīng)用中受初始k值選擇，初始中心點(diǎn)選擇以及孤立點(diǎn)的影響極大。因此，該文提出了數(shù)據(jù)對(duì)象的密度和聚類半徑的概念，確定了第一個(gè)聚類中心值的選擇方法，從而解決了孤立點(diǎn)，k值得選擇以及初始中心選擇的影響，避免了出現(xiàn)提前收斂于局部最優(yōu)解現(xiàn)象。經(jīng)過(guò)多次仿真實(shí)驗(yàn)的結(jié)果得以證明，改進(jìn)后的算法能夠有效的提高入侵檢測(cè)系統(tǒng)的檢測(cè)率，降低誤測(cè)率。

參考文獻(xiàn)：

[1] 朱廣彬.基于數(shù)據(jù)挖掘的入侵檢測(cè)技術(shù)研究[D].北京：北京交通大學(xué)，2010：4-6.

[2] Wenke Lee.A Framework for Constructing Feature and Modle for Intrusion DetectionSystem[J].ACM Transacations on Information and System Security，2002，3（4）：227-216.

[3] Wang W，Yang J，Muntz R.STRIN：A Statistical Information Grid Approach to Spatial Data Mining[C]//Proc.of 1997 Intl. Conf.on Very Large Data-bases， Athens，Greece. 1997-08：186-195.

[4] 倪鈺.基于數(shù)據(jù)挖掘的入侵檢測(cè)算法研究[D].南京：南京信息工程大學(xué)，2011：49-50.

[5] 劉鳳芹.k-means聚類算法改進(jìn)研究[D].濟(jì)南：山東師范大學(xué).2013：21-22.

[6] Hettich S，Bay S D.KDD cup 1999 data [EB/OL]. http：//kdd.ics.uci.edu/databases/kddcup99/kddcup99.html，1999.

[7] 肖卓磊.基于k-means優(yōu)化算法的入侵檢測(cè)系統(tǒng)[J].阜陽(yáng)師范學(xué)院學(xué)報(bào)：自然科學(xué)版，2013，30（4）：82-83.

[8] 趙輝，張鵬.網(wǎng)絡(luò)異常的主動(dòng)檢測(cè)與特征分析[J].計(jì)算機(jī)技術(shù)與發(fā)展，2009，19（8）：159-161，165.