一种改进的K—means算法在入侵检测中的应用.pdf

E—mail：eduf@ceee．net．cn lSSN 1009-3044 ComputerKnowledgeandTechnology电脑知识 与技术 http：／／www．dnzs．net．en Teh+86—551—5690963 5690964 Vo1．5，No．34，December2009，PP．9824—9827 一 种改进的K—means算法在入侵检测中的应用 王彦涛．张凤斌’ (哈尔滨理工大学 汁算机科学 与技术学院，黑龙汀 哈尔滨 150080) 摘要 ：传统 的聚类算法存在很 多缺点，因此需要做进一步的研 究。通过对传统 的K-means算法和加权熵措施的 K—means算法的研 究．提 出了一种改进 的加权熵措施的K—means算法．且该算法采用 了一种新 的计算对 象间距离的方法 ，不仅 能使在 同一个簇 中任意 对 象之间的距 离尽可能的小．更能使得 不同簇 中的任意对象之 间的距 离尽 可能 的大。通过在 KDD Cup99数据集上实验仿真 ，表明 该算法具有较强的实用性和 自适应功能。 关键词 ：网络安全 ：数据挖掘 ：入侵检测 ；加权熵 ；K—means算法 中图分类号 ：TP393 文献标 识码 ：A 文章编号 ：1009—3044(2009)34—9824—04 Applicationofan ImprovedK-meansAlgorithm in IntrusionDetection WANG Yan—tao，ZHANG Feng—bin (SchoolofComputerScienceandTechnology，HarbinUniversityofScienceandTechnology，Harbin150080，China) Abstract：Traditionalclusteringalgorithm hasalotofshortcomings，thereforeneedtodofurtherstudy．Through studyingthetraditionalK— meansalgorithm andtheK～meansalgorkhm ofentropy—weightedmeasure．animprovedK—meansalgorithm ofentropy—weightedmeasure isproposed，thealgorithmusesanewmethodofcalculatingthedistanceoftheobjectsnotonlymakethedistancebetweenanyobjectsclose asmuchaspossibleinthesamecluster，butalsomakethedistancebetweenanyobjectsaslargeaspossibleinthedifferentclusters．Through theKDD Cup99datasetsinmlationexperinaent，showingthatthealgorithm hasastrongapplicabilityandself-adaptabiliyt． Keywords：networksecurity；datamining；intrusiondetection；entroy——weighed；K——meansalgorithm 随著网络技术的飞速发展和 lntemet的 日益普及 ，网络安全 的重要性也愈加 突出。信息安全已成为国家和 国防安全的重要组成 部分， 时也是 国家网络经济发展的天键 。 入侵检测系统则(IDS)是利用入侵检测技术实现的信息安全系统 。入侵检测系统的好坏取决于入侵检测技术 ，入侵检测技术主 要包括 ：专家系统技术 ，统计分析 ，神经网络 ，生物免疫学，智能代理检测技术 ，模糊技术 ，数据挖掘 ，模式匹配技术等…，其 中的数据 挖掘技术是一种决策支持过程 ，它主要基于人工智能 ，机器学习统计等技术 ，能从大量数据中提取或挖掘知识。 数据挖掘技术 中的聚类分析方法具有可伸缩性 、能处理不同类型属性数据 、可按各种约束聚类等优点，尤其适应大型数据库