基于质心Voronoi图的网络异常检测算法.pdfVIP

第30卷第 1期 计算机应用 Vn1．30No．1 2010年 1月 JournalofComputerApplications Jan．2010 文章编号：1001—9081(2010)O1—0178—03 基于质心Voronoi图的网络异常检测算法 王 雷，侯瀚雨 (湖南大学 软件学院，长沙410082) (wanglei@hnu．cn；coolm gic198O@163．com) 摘 要：网络异常检测技术是入侵检测领域研究的热点内容，但由于存在着误报率较高等问题，并未在实际环境 中得 以大规模应用。基于质心Voronoi图，提 出一种新的异常检测算法。在该算法中，首先利用质心Voronoi图来对样 本数据进行聚类，然后基于聚类结果，计算出各个样本点的点密度，并以此来判断样本数据是否异常。最后，通过基于 KDDCup1999数据集的实验测试，仿真结果表明，新算法在具有较低的误报率的同时，也具有 良好的检测率。 关键词：聚类；入侵检测；误检率；检测率；ROC 中图分类号：TP393．08 文献标志码 ：A Algorithm ofanomalydetection basedoncentroidalVoronoidiagram WANG Lei．H0U Han—yu (SchoolofSoftware，HunanUniversity,ChangshaHunan410082，China) Abstract：Networkanomalydetectionhasbeenanactiveresearchtopicinthefieldofintrusiondetectionformanyyears． However，ithasnotbeen widelyapplied in practice duetohighfalse alarm rate，etc．Based onthe centroidalVoronoi diagram，anewalgorithm ofanomalydetectionwasproposedinthispaper，inwhichtheeentroidal Voronoidiagram wasused intheclusteringofsampledatafirst，andthenthepointdensitywascomputedoutaccordingtotheresultsofclusteringofreach samplepoint，whichwasusedtodeterminewhetherthesampledatawasabnomr alornot．Finally，aseriesofexperimentson wellknownKDDCup1999datasetdemonstratethatthenewalgorithm haslowfalsepositiveratewhileensuringhighdetection rate． Key words：clustering； intrusion detection；false detecting rate；detection rate；ReceiverOperating Characteristic (ROC) 法 j、基于数据挖掘的方法 和基于模式匹配的方法 等。 0 引言 其中，基于数据挖掘的方法由于它能从大量数据中提取人们 随着互联网的普及和业务量的不断增长，网络的规模和 感兴趣的、事先未知的知识和规律，而不依赖经验 ，且具有较 传输速度也急剧增长，这使得如何在高速环境和海量数据中