基于改进的自组织映射入侵检测方法.pdfVIP

2015 年12月1 日 现代电子技术 Dec. 2015 第38 卷第23 期 Modern Electronics Technique Vol. 38 No. 23 80 80 doi ：10.16652/j.issn. 1004⁃373x.2015.23.022 基于改进的自组织映射入侵检测方法 马超逸，徐 建，张 宏 （南京理工大学 计算机科学与工程学院，江苏 南京 210094 ） 摘 要：入侵检测作为保障互联网安全的主要措施之一，对于网络入侵的识别和诊断有着重要的意义。将自组织映射 （SOM ）的思想引入网络入侵检测中，提出了一种基于SOM 的网络入侵检测算法。算法通过对SOM 神经网络中输出神经元 的邻域密度进行排名，同时结合受试者工作特征（ROC ）曲线设置邻域密度阈值等方法，使得入侵检测的结果通过输出神经 元的邻域密度进行表达，克服了SOM 神经网络训练时容易产生畸变导致输出神经元自身的聚类结果难以理解的缺点。通 过对算法仿真实验，表明该算法不仅有效而且拥有相当可观的检测率。 关键词：自组织映射；神经网络；ROC 曲线；入侵检测；聚类分析 中图分类号：TN711⁃34 ；TP312 文献标识码：A 文章编号：1004⁃373X （2015 ）23⁃0080⁃05 Intrusion detection method based on improved self⁃organization mapping MA Chaoyi ，XU Jian ，ZHANG Hong （School of Computer Science and Engineering ，Nanjing University of Science Technology ，Nanjing 210094 ，China ） Abstract：Intrusion detection is one of the main measures to ensure the Internet safety ，and has important significance to recognize and diagnose the network intrusion. In this paper ，the thought of self ⁃organization mapping （SOM ）is introduced into the network intrusion detection ，and a network intrusion detection algorithm based on SOM is proposed. The neighborhood densi⁃ ty of output neurone in SOM neural network is ranked. The method of setting the neighborhood density threshold in combination with receiver operating characteristic （ROC ）curve makes the intrusion detection results express by neighborhood density of the output neurone. The disadvantage that the clustering results of output neurone its