云模型半监督聚类动态加权的入侵检测方法.PDFVIP

第３８卷 第４期 昆明理工大学学报（自然科学版） Ｖｏｌ．３８　Ｎｏ４ 　 ２０１３年８月　 ＪｏｕｒｎａｌｏｆＫｕｎｍｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ） 　 Ａｕｇ．２０１３  ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００７－８５５ｘ．２０１３．０４．０１０ 云模型半监督聚类动态加权的入侵检测方法 张　杰，李永忠 （江苏科技大学 计算机科学与工程学院，江苏 镇江２１２００３） 摘要：针对入侵检测系统存在的检测率较低和误报率较高的问题，提出了一种云模型半监督聚 类动态加权的入侵检测方法．由于属性对分类贡献程度不同，文中引入云相对贴近度的概念，给 出了计算属性权重的方法．以半监督聚类算法为基础建立云模型并构造云分类器，分类时对属性 使用动态加权通过对云模型的更新逐渐强化云分类器指导数据的分类．最后仿真实验表明该方 法具有较好的检测效果，改善了入侵检测系统的性能． 关键词：云模型；半监督聚类；入侵检测 中图分类号：ＴＰ３９３４ 文献标识码：Ａ 文章编号：１００７－８５５Ｘ（２０１３）０４－００４４－０４ ＤｙｎａｍｉｃＷｅｉｇｈｔｅｄＩｎｔｒｕｓｉｏｎＤｅｔｅｃｔｉｏｎＭｅｔｈｏｄＢａｓｅｄｏｎＣｌｏｕｄＭｏｄｅｌ ａｎｄＳｅｍｉＳｕｐｅｒｖｉｓｅｄＣｌｕｓｔｅｒｉｎｇ ＺＨＡＮＧＪｉｅ，ＬＩＹｏｎｇｚｈｏｎｇ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｚｈｅｎｊｉａｎｇ，Ｊｉａｎｇｓｕ２１２００３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎｖｉｅｗｏｆｔｈｅｌｏｗｄｅｔｅｃｔｉｏｎｒａｔｅａｎｄｈｉｇｈｆａｌｓｅａｌａｒｍｒａｔｅｉｎｔｈｅｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎｓｙｓｔｅｍ，ａｎｅｗ ｍｅｔｈｏｄｆｏｒｔｈｅｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎｂａｓｅｄｏｎｃｌｏｕｄｍｏｄｅｌａｎｄｓｅｍｉｓｕｐｅｒｖｉｓｅｄｃｌｕｓｔｅｒｉｎｇｉｓｐｒｏｐｏｓｅｄ．Ｄｕｅｔｏｔｈｅ ｄｉｆｆｅｒｅｎｔｃｏｎｔｒｉｂｕｔｉｏｎｏｆｔｈｅａｔｔｒｉｂｕｔｅｓｔｏｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎ，ｔｈｅｃｏｎｃｅｐｔｏｆ“ｃｌｏｕｄｓａｐｐｒｏａｃｈｄｅｇｒｅｅ”ｉｓｉｎｔｒｏｄｕｃｅｄ ｔｏｗｅｉｇｈｔｔｈｅａｔｔｒｉｂｕｔｅｓ．Ａｃｌｏｕｄｍｏｄｅｌａｎｄｃｌａｓｓｉｆｉｅｒｉｓｅｓｔａｂｌｉｓｈｅｄｂａｓｅｄｏｎｔｈｅｓｅｍｉｓｕｐｅｒｖｉｓｅｄｃｌｕｓｔｅｒｉｎｇａｌｇｏ ｒｉｔｈｍ．Ｔｈｅｍｅｔｈｏｄｏｆｄｙｎａｍｉｃｗｅｉｇｈｔｉｎｇｉｓｔｈｅｎａｄｏｐｔｅｄｉｎｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎ．Ｔｈｅｃｌｏｕｄｍｏｄｅｌｉｓｕｐｄａｔｅｄｔｏ ｇｒａｄｕａｌｌｙｓｔｒｅｎｇｔｈｅｎｔｈｅｃｌａｓｓｉｆｉｅｒｔｏｇｕｉｄｅｔｈｅｄａｔａｃｌａｓｓｉｆｉｃａｔｉｏｎ．Ｆｉｎａｌｌｙ，ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅ ｐｅｒｆｏｒｍａｎｃｅｏｆｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎｓｙｓｔｅｍｉｓｉｍｐｒｏｖｅｄ． Ｋｅｙｗｏｒｄｓ：ｃｌｏｕｄｍｏｄｅｌ；ｓｅｍｉｓｕｐｅｒｖｉｓｅｄｃｌｕｓｔｅｒｉｎｇ；ｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎ ０引 言 随着计算机的普及和网络的广泛应用，网络被入侵的风险性和机会也越来越多，网络安全已经成为了 ［１］ 全球性的问题 ．入侵检测技术是网络安全防御体系的关键技术之一，其目的是通过监视网络流量或系 统审计数据发现网络和系统的入侵行为和企图．目前，大量的入侵检测方法也相继出现． 为了提高入侵检测系统的检测性能，本文提出了一种云模型半监督聚类动态加权的入侵检测方法．本 文首先通过半监督聚类的方法获得聚类结果后，再根据其中少量的标记信息筛选并建立初始的正常和异 常云模型，将定量的属性数值转化为定性的概念，在定义了高维空间样本属性的权重时引入了云相对贴近 度的概念，分