大数据环境下的网络主动入侵检测方法研究.pdfVIP

第 31卷 第8期 科 技 通 报 Vo1．31No．8 2015年8月 BULLETINOFSCIENCEANDTECHN0L0GY Aug．2015 大数据环境下的网络主动入侵检测方法研究 王曙霞 (湖北工程学院计算机与信息科学学院，湖北 孝感 432000) 摘 要：由于传统网络入侵检测方法检测率低及不能进行在线检测，无法有效实现网络主动入侵检测， 提 出一种基于马氏距离K均值的大数据环境下网络主动入侵检测方法，分析了马氏距离的评价准则， 依据新样本与原样本之间的马氏距离确定是否需开展新的聚类 ，输出与全部数据样本相应的攻击类 别 。通过一个 由一定数量的支持向量决定的超平对数据进行分类 ，当SVM分离方法受到约束时，利用 核函数将输人数据映射至高维特征空间，采用高斯径向基函数对最小二乘支持向量机分类模型进行建 立 。通过粒子群优化算法对最小二乘支持向量机参数进行选择。利用种群中个体之间的协作以及信 息交换获取最佳方案。仿真实验结果表明，所提方法有很高的的检测效率及精度。 关键词：大数据；网络入侵 ；检测； 中国分类号：TP393 文献标识码：A 文章编号：1001—7119(2015)08—0225—03 NetworkIntrusionDetectionM ethodResearchUnderBigDataEnvironment WangShuxia (SchoolofComputerandInofrmationScience；HubeiEngineeringUniversity，XiaoganHubei432000；China) Abstract：Duetolowdetectionrateandthetraditionalnetworkintrusiondetectionmethodcannotbeon—linedetection．un— abletoeffectivelyimplementnetworkintursiondetection，proposesak-meansbasedonmarkovdistanceundertheenviron— meritofbigdatanetworkintrusiondetectionmethod．analyzedtheevaluationcriterionofmarkovdistance．onthebasisof markovdistancebetweenthenew samplewiththeoriginalsampletodeterminewhetherneedtolaunchanew clustering， outputandalldatasamplescorrespondingattackcategory．Throughadeterminedbyacertainnumberofsupportvectors thanclassifyingdata，whentheseparationoftheSVM methodisrestrained，usekernelfunctionstomaptheinputdatato high—dimensionalfeaturespace，thegaussianradialbasisfunctionisadoptedtotheleastsquaressuppo~ vectormachine (SVM)classificationmodelisestablished．Byparticleswamr optimizationalgorithmforleastsquaressupportvectorma— chine(SVM)parametersselection．Usingthecollaborationandinformationexchangebetweenindividualsinapopulationto obtainthebest