基于半监督模糊聚类的入侵检测技术.pdfVIP

第 24卷第4期 江苏科技大学学报 (自然科学版) Vo1．24 No．4 2010年 8月 JournalofJiangsuUniversityofScienceandTechnology(NaturalScienceEdition) Aug．2010 基于半监督模糊聚类的入侵检测技术 李永忠，王汝山，张念贵，王玉雷 (江苏科技大学 计算机科学与工程学院，江苏 镇江212003) 摘 要：针对当前入侵检测技术检测率较低 、误报率较高，特别是难以检测新型入侵的不足，通过研究基于机器学习的异常 入侵检测系统，提出了一种基于半监督模糊聚类的异常入侵检测算法SFCA(Semi—supervisedFuzzyClusteringAlgorithm)．算 法通过加入数据之间的相关信息，同时引入代价函数来平滑 目标函数 ，降低其对孤立点数据的敏感程度．通过利用少量的 标记样本，生成用于初始化算法的种子聚类，然后辅助聚类过程．实验表明，与FCM(FuzzyC-menas)聚类算法相比，SFCA算 法具有较高的性能． 关键词：入侵检测；半监督学习；模糊聚类 中图分类号：TP393．08 文献标志码：A 文章编号：1673—4807(2010)04—0381—05 Intrusion detectiontechnology based on sem i-supervised fuzzy cluster LiYongzhong，W angRushan，ZhangNiangui，W angYulei (SchoolofComputerScienceandEngineering，JiangsuUniversityofScienceandTechnology，ZhenjiangJinagsu212003，China) Abstract：Consideringtothecharacteristicsoflow detectionrate，highmisinformationrate，andespeciallythe disadvantageofhardlydetectingnew intrusionincurrenttechniqueofintrusiondetection，thispaperstudiedthe anomalyintrusiondetection system basedonmachinelearning．Also，itproposedananomalyintursiondetection algorithm basedonsemi-supervisedfuzzyclustering．Byaddingintrusion—relatedinformationandintroducingcost functiontosmooththeobjectivefunction，thealgorithmcouldreducethesensitivityofoutlier．Alittlequantityof labeleddatawasusedtogenerateseedsthatwereappliedtoinitialingthealgorithm andthentoassistingtheclus- teringprocess．Theexperimentresultsshow thattheperfomr anceofthealgorithm ismuchhigherthanFCM algo- rithm． Keywords：intursiondetection；semi—supervisedlearning；fuzzycluster 传统的入侵检测算法都是以监督学习为主，需 标记信息本身进行聚类，算法执行速度比较快，能 要大量的监督信息，如文献 [1]中提出了一种有指 够发现各种未知聚类，但此算法在没有任何监督信 导信息的入侵检测方法，文献 [2]提出了一种有监 息的情况下随机性比较大，需要通过多次试探才能 督学习的特征选择方法，并应用到入侵检测系统 形成比较理想的聚类．在同等环境下，无监督算法 中．有监督学习算法的系统特点是性能 比