基于粒子群优化的聚类入侵检测算法.pdfVIP

第 23卷第 1期 江苏科技大学学报(自然科学版) Vol_23No．1 2009年 2月 JournalofJiangsuUniversityofScienceandTechnology(NaturalScienceEdition) Feb．2O09 基于粒子群优化的聚类入侵检测算法 李永忠，杨 鸽，徐 静，赵 博 ，孙 彦 (江苏科技大学 计算机科学与工程学院，江苏 镇江 212003) 摘 要：为了在入侵检测中有效地克服传统的K均值算法易陷入局部极小值的缺点，使算法具有较好的全局收敛性，将粒 子群优化算法应用于入侵检测，给出了基于粒子群优化的K均值聚类算法．通过理论分析及实验 ，验证了基于粒子群优化 K均值聚类算法的有效性．对 KDDCUP99数据集仿真，实验结果表明，该算法在入侵检测中能获得理想的检测率和误 检率． 关键词：粒子群优化；K均值算法；入侵检测 中图分类号：TP393．08 文献标志码：A 文章编号：1673—4807(2009)Ol一0051—05 Anomalydetection forclusteringalgorithm basedonparticleswarm optimization LiYongzhong，YangGe，XuJing，ZhaoBo，SunYan (SchoolofComputerScienceandEngineering，JiangsuUniversityofScienceandTechnology，Zhe~iangJiangsu212003，China) Abstract：Asalleffectivemethod，K—meanclusteringalgorithm hasbeenappliedtotheintrusiondetection，butit islocaloptimalsolutionratherthanglobaloptimalsolution．Particleswarmoptimization(PSO)algorithmisakind ofSWaDTIintelligenceones，andithas agoodglobalsearchcapabilities．K-meansalgorithmbasedonparticle swarm optimizationwasproposedin thispaper．Theanalysisandexperimentshow thisalgorithm mayavoidlocal optima，nadhasgoodglobalconvergence．Also，htealgorithmiseffective．Furthemrore，KDDCUP99datasetisim- plementedtoevaluatehteproposedmehtod．Th eresultsshowhteoutstandingperformanceoftheproposedmethod． Keywords：particleswarnloptimization(PSO)；K—meansalgorithm；intrusiondetection 入侵检测技术主要分为两类，即异常检测和误 法通常从数据对象中随机选择几个作为初始聚类 用检测．其中异常检测因不需要具有入侵的先验知 中心，这样就使得产生的聚类结果具有很大的不确 识，且具有检测新型攻击的能力，所以倍受入侵检 定性．如何选择初始聚类中心成了影响最后聚类结 测研究者的关注．异常检测的关键是如何建立系统 果的重要因素． 的正常行为模式及如何利用该模式去检测和判断 针对 K均值聚类算法依赖于初始值的选择， 系统的异常行为．聚类异常检测是一种无需指导的 且容易收敛于局部极值的缺点，本文将离子群优化 异常检测技术，它将相似的数据划分到同一个聚类 算法应用于K均值聚类算法，并将该算法应用到 中，而将不相似的数据划分到不同的聚类，它能 自 人侵检测