基于改进聚类分析算法的入侵检测系统研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (11): 106-108.

基于改进聚类分析算法的入侵检测系统研究

杜强，孙敏

山西大学计算机与信息技术学院，太原 030006

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-04-11 发布日期:2011-04-11

Intrusion detection system based on improved clustering algorithm

DU Qiang，SUN Min

School of Computer and Information Technology，Shanxi University，Taiyuan 030006，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-04-11 Published:2011-04-11

摘要/Abstract

摘要： 针对常用聚类分析算法应用于入侵检测系统所存在的两大方面的问题：一是其采用随机法确定初始聚类中心，不同的初始值可能产生不同的聚类结果；二是采用爬山式技术导致容易陷入局部最优解。基于此提出一种改进的聚类分析算法，通过确定两个最远初始聚类中心和基于最大最小距离的层次聚类、DBI指标来确定剩余初始聚类中心，该方法使上述问题得到解决，并通过仿真实验验证了该算法的可行性和优越性。

关键词: 入侵检测, 聚类分析, K-means算法

Abstract: There are two major problems exist in commonly used clustering algorithm for intrusion detection systems：One is clustering algorithm that uses the random method to determine initial cluster centers，the other is that it is easy to fall into local optimal solution caused by climbing-type technology.Based on this，an improved clustering algorithm is proposed.By determining the initial cluster centers of the two farthest，hierarchical clustering based on the maximum-minimum distance and DBI index it determines the remaining initial cluster center，the method solves the mentioned issue.The simulation verifies the feasibility and superiority of the proposed algorithm.

Key words: intrusion detection, cluster analysis, K-means algorithm

杜强，孙敏. 基于改进聚类分析算法的入侵检测系统研究[J]. 计算机工程与应用, 2011, 47(11): 106-108.

DU Qiang，SUN Min. Intrusion detection system based on improved clustering algorithm[J]. Computer Engineering and Applications, 2011, 47(11): 106-108.

[1]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[2]	王振东，张林，李大海. 基于机器学习的物联网入侵检测系统综述[J]. 计算机工程与应用, 2021, 57(4): 18-27.
[3]	曹磊，李占斌，杨永胜，赵龙飞. 基于双层注意力神经网络的入侵检测方法[J]. 计算机工程与应用, 2021, 57(19): 142-149.
[4]	沈少禹，蔡满春，芦天亮，赵琪. 基于LFKPCA-DWELM的入侵检测方案[J]. 计算机工程与应用, 2021, 57(17): 130-137.
[5]	巩俊辉，胡晓辉，杜永文. 基于演化博弈的最优防御策略选取研究[J]. 计算机工程与应用, 2021, 57(13): 116-123.
[6]	潘成胜，张斌，吕亚娜，杜秀丽，邱少明. 改进灰狼优化算法的K-Means文本聚类[J]. 计算机工程与应用, 2021, 57(1): 188-193.
[7]	安宁，江思源，唐晨，杨矫云. 融合单纯形映射与熵加权的聚类方法[J]. 计算机工程与应用, 2020, 56(9): 148-155.
[8]	黎佳玥，赵波，李想，刘会，刘一凡，邹建文. 基于深度学习的网络流量异常预测方法[J]. 计算机工程与应用, 2020, 56(6): 39-50.
[9]	衣俊艳，杜小鹏. 具有中心移动特性的弹性网络聚类算法研究[J]. 计算机工程与应用, 2020, 56(24): 50-58.
[10]	王子龙，李进，宋亚飞. 基于距离和权重改进的K-means算法[J]. 计算机工程与应用, 2020, 56(23): 87-94.
[11]	衣俊艳，吴博雅，雍巧玲. 具有加权特性的弹性网络聚类算法研究[J]. 计算机工程与应用, 2020, 56(22): 55-65.
[12]	陈虹，王闰婷，肖成龙，郭鹏飞，黄洁，陈红霖. 基于DBN-XGBDT的入侵检测模型研究[J]. 计算机工程与应用, 2020, 56(22): 83-91.
[13]	狄冲，李桐. 网络未知攻击检测的深度学习方法[J]. 计算机工程与应用, 2020, 56(22): 109-116.
[14]	罗计根，杜建强，聂斌，李欢，聂建华，陈裕凤. 一种聚类欠采样策略的随机森林优化方法[J]. 计算机工程与应用, 2020, 56(22): 166-172.
[15]	张震，李浩方，李孟州. YOLO算法在安检异常图像中的研究[J]. 计算机工程与应用, 2020, 56(21): 187-193.