基于半监督聚类的免疫入侵检测算法研究.pdfVIP

第３０卷第２期　　　 计算机应用与软件 Ｖｏｌ３０Ｎｏ．２ ２０１３年２月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｆｅｂ．２０１３ 基于半监督聚类的免疫入侵检测算法研究 １ ２ 王小伟 　王素芳 １（郑州大学体育学院现代教育技术中心　河南郑州４５００４４） ２（焦作师范高等专科学校计算机与信息工程学院　河南焦作４５４０００） 摘　要　　传统的基于免疫的入侵检测系统需要足够的标记数据才能够生成具有良好泛化性能的抗体，而网络环境中获得充足的 标记数据是困难的。为克服这一难题，对无监督聚类技术及免疫方法进行深入研究，并将二者结合起来，提出一种半监督的免疫入 侵检测算法ＳＣＩＩＤ（ＳｅｍｉｓｕｐｅｒｖｉｓｅｄｃｌｕｓｔｅｒｂａｓｅｄＩｍｍｕｎｅＩｎｔｒｕｓｉｏｎＤｅｔｅｃｔｉｏｎ）。在抗体产生阶段通过对自我样本进行聚类，大大缩短 了阴性选择的时间；在入侵检测阶段采用聚类技术可快速获取未标记数据的类别，进而指导后续的学习过程，达到提高检测率的目 的。仿真结果表明，该算法在仅有少量标记数据的情况下，可以获得大部分未标记数据的类别，而且能发现新的攻击类型，同等训练 样例数目条件下检测率高于单纯基于免疫的方法。 关键词　　半监督　聚类　人工免疫　入侵检测　检测子 中图分类号　ＴＰ３０９　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１３．０２．０４６ ＲＥＳＥＡＲＣＨＯＮＳＥＭＩＳＵＰＥＲＶＩＳＥＤＣＬＵＳＴＥＲＩＮＧＢＡＳＥＤＩＭＭＵＮＥ ＩＮＴＲＵＳＩＯＮＤＥＴＥＣＴＩＯＮＡＬＧＯＲＩＴＨＭ １ ２ ＷａｎｇＸｉａｏｗｅｉ　ＷａｎｇＳｕｆａｎｇ １（ＭｏｄｅｒｎＥｄｕｃａｔｉｏｎＴｅｃｈｎｏｌｏｇｙＣｅｎｔｅｒ，ＣｏｌｌｅｇｅｏｆＰｈｙｓｉｃａｌＥｄｕｃａｔｉｏｎ，ＺｈｅｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｇｚｈｏｕ４５００４４，Ｈｅｎａｎ，Ｃｈｉｎａ） ２（ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＪｉａｏｚｕｏＴｅａｃｈｅｒｓＣｏｌｌｅｇｅ，Ｊｉａｏｚｕｏ４５４０００，Ｈｅｎａｎ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｉｎｏｒｄｅｒｔｏｏｖｅｒｃｏｍｅｔｈｅｐｏｓｅｒｔｈａｔｔｒａｄｉｔｉｏｎａｌｉｍｍｕｎｉｔｙｂａｓｅｄｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎｓｙｓｔｅｍｕｓｕａｌｌｙｎｅｅｄｅｎｏｕｇｈｌａｂｅｌｌｅｄｄａｔａｔｏ ｐｒｏｄｕｃｅａｎｔｉｂｏｄｉｅｓｔｈａｔｈａｖｅｇｏｏｄｇｅｎｅｒａｌｉｓａｔｉｏｎｐｅｒｆｏｒｍａｎｃｅ，ｙｅｔｉｔｉｓｄｉｆｆｉｃｕｌｔｔｏｏｂｔａｉｎｓｕｆｆｉｃｉｅｎｔｌａｂｅｌｌｅｄｄａｔａｉｎｎｅｔｗｏｒｋｅｎｖｉｒｏｎｍｅｎｔ，ｗｅ ｍａｋｅｉｎｄｅｐｔｈｓｔｕｄｙｏｎｕｎｓｕｐｅｒｖｉｓｅｄｃｌｕｓｔｅｒｉｎｇｔｅｃｈｎｏｌｏｇｙａｎｄｔｈｅｉｍｍｕｎｉｔｙｍｅｔｈｏｄａｎｄｃｏｍｂｉｎｅｔｈｅｍｔｏｇｅｔｈｅｒ，ｔｈｅｎｐｒｏｐｏｓｅａｎｉｍｍｕｎｅ ｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｓｅｍｉｓｕｐｅｒｖｉｓｅｄｃｌｕｓｔｅｒｉｎｇｔｅｃｈｎｏｌｏｇｙ，ｎａｍｅｌｙＳＣＩＩＤ（ＳｅｍｉｓｕｐｅｒｖｉｓｅｄｃｌｕｓｔｅｒｂａｓｅｄＩｍｍｕｎｅＩｎｔｒｕｓｉｏｎ Ｄｅｔｅｃｔｉｏｎ），ｉｎｔｈｉｓｐａｐｅｒ．Ｄｕｒｉｎｇｔｈｅｓｔａｇｅｏｆａｎｔｉｂｏｄｉｅｓｇｅｎｅｒａｔｉｏｎｔｈｅｔｉｍｅｏｆｎｅｇａｔｉｖｅｓｅｌｅｃｔｉｏｎｃａｎｂｅｇｒｅａｔｌｙｓｈｏｒｔｅｎｅｄｔｈｒｏｕｇｈｃｌｕｓｔｅｒｉｎｇ ｔｈｅｓｅｌｆｓａｍｐｌｅｓ，ａｎｄｄｕｒｉｎｇｔｈｅｓ