融合K-均值聚类、FNN、SVM的网络入侵检测模型.pdfVIP

第31卷第5期 计算机应用与软件 V01．31 No．5 2014年 5月 ComputerApplicationsandSoftware Mav 2014 融合 K．均值聚类、FNN、SVM 的网络入侵检测模型 邬斌亮 熊 球 (上海市计算机软件评测重点实验室 上海 201112) 摘 要 针对传统的入侵检测模型 IDM(IntrusionDetectionSystem)不能检测最新的入侵手段且系统的特征数据库需要频繁更新 的问题，提出融合K一均值聚类、模糊神经网络和支持向量机等数据挖掘技术来构建IDM。首先，利用K一均值聚类将原始的训练集划 分为不同的训练子集；然后，基于各训练子集训练各 自的模糊神经网络模型，并通过模糊神经网络模型生成支持向量机的支持 向量； 最后，采用径向支持向量机检测入侵行为是否发生。在KDDCUP1999数据集上的实验验证 了所提模型的有效性及可靠性。实验 结果表明，相