基于蟻群聚類算法的數(shù)據(jù)挖掘技術(shù)在網(wǎng)絡(luò)入侵檢測中的應(yīng)用

ID:33149229

大?。?19.07 KB

頁數(shù):69頁

時間:2019-02-21

基于蟻群聚類算法的數(shù)據(jù)挖掘技術(shù)在網(wǎng)絡(luò)入侵檢測中的應(yīng)用_第1頁
基于蟻群聚類算法的數(shù)據(jù)挖掘技術(shù)在網(wǎng)絡(luò)入侵檢測中的應(yīng)用_第2頁
基于蟻群聚類算法的數(shù)據(jù)挖掘技術(shù)在網(wǎng)絡(luò)入侵檢測中的應(yīng)用_第3頁
基于蟻群聚類算法的數(shù)據(jù)挖掘技術(shù)在網(wǎng)絡(luò)入侵檢測中的應(yīng)用_第4頁
基于蟻群聚類算法的數(shù)據(jù)挖掘技術(shù)在網(wǎng)絡(luò)入侵檢測中的應(yīng)用_第5頁
資源描述:

《基于蟻群聚類算法的數(shù)據(jù)挖掘技術(shù)在網(wǎng)絡(luò)入侵檢測中的應(yīng)用》由會員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、學(xué)校代碼:10289論分類號:TP183文密級:公開題學(xué)號:092070052目基于蟻江蘇科技大學(xué)群聚類碩士學(xué)位論文算法的數(shù)據(jù)挖掘基于蟻群聚類算法的數(shù)據(jù)挖掘技術(shù)技術(shù)在網(wǎng)在網(wǎng)絡(luò)入侵檢測中的應(yīng)用絡(luò)入侵檢測中的應(yīng)研究生姓名胡昊導(dǎo)師姓名蘇勇用姓申請學(xué)位類別工學(xué)碩士學(xué)位授予單位江蘇科技大學(xué)名胡學(xué)科專業(yè)計算機(jī)應(yīng)用技術(shù)論文提交日期2012年3月10日昊研究方向知識發(fā)現(xiàn)與數(shù)據(jù)挖掘論文答辯日期2012年3月17日江蘇答辯委員會主席張再躍評閱人科技大學(xué)2012年3月10日分類號:TP183密級:公開學(xué)號:092070052工學(xué)

2、碩士學(xué)位論文基于蟻群聚類算法的數(shù)據(jù)挖掘技術(shù)在網(wǎng)絡(luò)入侵檢測中的應(yīng)用學(xué)生姓名胡昊指導(dǎo)教師蘇勇副教授江蘇科技大學(xué)二O一二年三月AThesisSubmittedinFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringRESEARCHONANTCLUSTERINGALGORITHMFORNETWORKINTRUSIONDETECTIONSubmittedbyHuHaoSupervisedbySuYongJiangsuUniversityofScie

3、nceandTechnologyMarch,2012論文獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是由本人在導(dǎo)師的指導(dǎo)下進(jìn)行的研究工作及取得的成果。盡我所知,除了文中特別加以標(biāo)注和致謝的地方外,論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果,也不包含為獲得江蘇科技大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻(xiàn)均已在論文中作了明確地說明并表示謝意。學(xué)位論文作者簽名:日期:學(xué)位論文使用授權(quán)聲明江蘇科技大學(xué)有權(quán)保存本人所送交的學(xué)位論文的復(fù)印件和電子文稿,可以將學(xué)位論文的全部或部分上網(wǎng)

4、公布,有權(quán)向國家有關(guān)部門或機(jī)構(gòu)送交并授權(quán)其保存、上網(wǎng)公布本學(xué)位論文的復(fù)印件或電子文稿。本人電子文稿的內(nèi)容和紙質(zhì)論文的內(nèi)容一致。處在保密期內(nèi)的保密論文外,允許論文被查閱和借閱。學(xué)位論文作者簽名:導(dǎo)師簽名:日期:日期摘要摘要計算機(jī)網(wǎng)絡(luò)在滿足人們快捷的共享資源的同時,也頻繁的受到攻擊和非法的訪問,網(wǎng)絡(luò)安全問題受到了廣泛的關(guān)注。入侵檢測系統(tǒng)是一種主動的安全防護(hù)技術(shù),作為網(wǎng)絡(luò)安全中一個重要的研究領(lǐng)域,近些年來得到了迅速的發(fā)展。蟻群算法是一種基于生物種群的模擬進(jìn)化算法,其高效的仿生過程在各類組合問題中得到了廣泛的應(yīng)用,

5、該算法具有分布式并行計算和自適應(yīng)以及易于其他算法相結(jié)合的優(yōu)點(diǎn)。而聚類技術(shù)是數(shù)據(jù)挖掘領(lǐng)域的重要研究內(nèi)容,將蟻群算法和聚類分析技術(shù)組合應(yīng)用在網(wǎng)絡(luò)入侵檢測技術(shù)中,充分發(fā)揮各自的優(yōu)點(diǎn),使得入侵檢測的性能更加高效。本文主要對基于聚類技術(shù)的異常入侵檢測技術(shù)進(jìn)行研究,包括以下幾個方面:首先,對當(dāng)前的入侵檢測技術(shù)和聚類分析方法進(jìn)行了全面系統(tǒng)的闡述,分析了現(xiàn)有聚類算法應(yīng)用于入侵檢測時存在的優(yōu)點(diǎn)和不足。其次,介紹網(wǎng)絡(luò)入侵檢測技術(shù)的相關(guān)技術(shù),聚類分析技術(shù)的相關(guān)技術(shù)以及蟻群聚類算法應(yīng)用在網(wǎng)絡(luò)入侵檢測中的發(fā)展過程及存在的問題,并在此

6、基礎(chǔ)上將遺傳算法中變異因子引入到蟻群聚類算法中,通過變異因子可以縮短算法的收斂時間,避免算法陷入局部最優(yōu)。最后,利用當(dāng)今研究入侵檢測算法公認(rèn)的KDDcup99數(shù)據(jù)集進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)中首先對數(shù)據(jù)集進(jìn)行預(yù)處理,之后采用簇的標(biāo)識技術(shù)標(biāo)識出少量的異常入侵?jǐn)?shù)據(jù)。實(shí)驗(yàn)證明算法對此數(shù)據(jù)集中的四種攻擊的檢測率都有相應(yīng)的提高,進(jìn)一步證明了改進(jìn)后的算法具有很好的聚類效果。關(guān)鍵詞網(wǎng)絡(luò)安全;入侵檢測;蟻群算法;聚類分析IAbstractAbstractResourcescanbesharedfastincomputernetwork

7、,meanwhile,thecomputernetworkitselfsuffersfromallkindsofillegalaccessandattackfrequently.Computernetworksecurityisconcernedwidely.Intrusiondetectionsystemisanactivesafetyprotectiontechnology.Asoneofimportantresearchesinnetworksecurity,ithasbeendevelopedrap

8、idlyinrecentyears.Antcolonyalgorithmisasimulationevolutionaryalgorithmbasedonpopulation.Itseffectivebionicsprocesshasbeenwidelyusedinvariouscombinatorialproblems,thealgorithmisadaptiveanddistributedparallelco

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動畫的文件,查看預(yù)覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費(fèi)完成后未能成功下載的用戶請聯(lián)系客服處理。
关闭