基于K值改进的K-means 算法在入侵检测中的应用

基于k-means算法的入侵检测研究

赵森;魏明军

【摘 要】针对原始k-means算法存在问题,提出一种无需指定k值和初始聚类中心的能够依据数据集内在特性自动完成聚类的改进k-means算法.最后,利用入侵检测领域应用最为广泛的数据集KDD CUP99验证了改进算法的性能.实验结果表明,改进算法无需任何输入,且具有较高的检测率和较低的误报率,性能较原始算法均有提高.

【期刊名称】《河北能源职业技术学院学报》

【年(卷),期】2019(019)002

【总页数】4页(P66-69)

【关键词】入侵检测;k-means算法;改进k-means算法;聚类分析

【作 者】赵森;魏明军

【作者单位】华北理工大学,河北 唐山 063000;华北理工大学,河北 唐山 063000

【正文语种】中 文

【中图分类】TP393

入侵检测系统作为系统防护的第二道防线，与防火墙配合使用共同构成了系统和网络的安全防护体系。但是，随着网络数据量的爆发式增长及攻击行为的日益复杂化和多样化，现在入侵检测系统存在着入侵检测效率和误报率的问题。入侵检测方法主要有误用检测及异常检测两种方法，其中，误用检测能够有效检测出已知的攻击类型，具有低误报率，但是由于多采用模式匹配方式进行攻击行为判断，一般检测效率不高，尤其当数据量比较大时很有可能出现丢包现象，而且它无法发现未知攻击行为；异常检测方法可以发现未知攻击，检测效率高，但是往往也会伴随着较高的误报率。

数据挖掘技术能够处理大量的数据并通过不同挖掘方法发掘出有用的知识。聚类分析方法作为数据挖掘方法中应用较为广泛的方法之一，能够实现将特征相似的数据按照某种规则划分到同一分类中。这一点，正好满足入侵检测中异常检测方法建立正常行为模式类的需求，因此，可以将聚类分析方法应用到入侵检测当中来提高检测性能。

1 k- means算法

1.1 基本思想及算法流程

k- means算法是基于划分的聚类分析方法，在数据挖掘技术中，它是被引用到入侵检测当中的最经典的算法之一。这个算法本身思想简单，也比较容易在入侵检测当中实现，且算法复杂度比较低。k-means算法的基本思想是将n个数据划分到k个类中，最终形成的聚类中要满足每个数据都被划分到一个合适类中。对于这些分类，要尽量使被划分到同一分类中的数据尽可能的相似，而被划分到不同分类的数据则尽可能差异大。

基于极限学习机与改进K-means算法的入侵检测方法

王琳琳;刘敬浩;付晓梅

【期刊名称】《计算机工程与科学》

【年(卷),期】2018(040)008

【摘 要】入侵检测系统对于保障网络安全至关重要.针对传统的单一检测算法很难对不同种类的攻击都有很好检测效果的问题,提出一种结合极限学习机与改进K-means算法的入侵检测方法.基于算法级联的方式,利用新型线性修正单元(PReLU)激活函数对极限学习机算法进行优化,采用设置距离阈值的方式,实现K-means算法自动选择初始聚类中心与聚类簇数目的双重优化,设计了一种混合式入侵检测方法.采用NSL-KDD数据集对所提出的入侵检测方法进行仿真实验,实验结果表明,与传统的BP神经网络、支持向量机与极限学习机算法相比,该方法有效地提高了检测效果,同时降低了误报率.

【总页数】7页(P1398-1404)

【作 者】王琳琳;刘敬浩;付晓梅

【作者单位】天津大学电气自动化与信息工程学院,天津300072;天津大学电气自动化与信息工程学院,天津300072;天津大学海洋科学与技术学院,天津300072

【正文语种】中 文

【中图分类】TP393.08

【相关文献】 1.基于改进k-means算法的入侵检测方法设计 [J], 汪莉

2.基于改进在线序列极限学习机的AMI入侵检测算法 [J], 刘菲菲;伍忠东;丁龙斌;张凯

3.基于优化核极限学习机的工控入侵检测方法 [J], 杜晔;王子萌;黎妹红

4.基于优化核极限学习机的工控入侵检测方法 [J], 杜晔;王子萌;黎妹红

5.改进布谷鸟算法优化极限学习机的网络入侵检测 [J], 李新磊

因版权原因，仅展示原文概要，查看原文内容请购买

龙源期刊网

改进的K-means网络入侵检测算法

作者：程晓旭 于海涛 李梓

来源：《智能计算机与应用》2012年第02期

随着网络技术的发展，网络入侵越来越多，网络安全问题已经成为全球性的重要问题。面对日益突出的网络安全问题，如何有效及时地发现网络入侵行为，保证网络系统和网络资源的安全显得尤为重要。

网络入侵检测技术主要分为异常检测和误用检测。目前，对于误用检测的研究很多，成熟的工程产品也很多，例如ＩＤＳ就是一个开源的入侵检测系统。误用检测主要是由网络安全专家对已知的入侵行为进行分析，再用手工方法建立相应的入侵检测规则和检测模式来构造入侵检测系统，对网络数据进行预处理后，使之适合于检测规则的匹配。预处理后的网络连接数据与入侵检测系统中规则库中的数据进行匹配，一旦匹配成功，说明有入侵行为的发生，可以采取相应的处理措施。误用检测的主要缺点是只能检测到已知的入侵行为，不能检测到未知的入侵行为。而异常检测则是建立正常的网络数据模型和可以接受的数据特征，异常的网络入侵行为在与正常模式或正常特征匹配时，差异很大，从而可以发现异常网络入侵行为。对于异常检测算法的研究主要是应用数据挖掘和机器学习的理论，其中，把聚类算法应用到入侵检测中的研究较多?眼１?演。

第１３卷第３期　２０１４年３月　软件导刊　Ｓｏｆｔｗａｒｅ　Ｇｕｉｄｅ　ＶｂＩ．１３ＮＯ．３　Ｍａｒ．２０１４　

改进Ｅｌ　ｍｅａ　ｎｓ算法在网络入侵检测　

系统中的应用研究　

易云飞，杨　舰　

（河池学院计算机与信息工程学院，广西宜州５４６３００）　

摘　要：入侵检测技术作为一种主动的网络安全防护技术越来越引起研究者的关注，但现有技术的误检率和漏检率　较高。对入侵检测技术进行了介绍，分析了ｋ－ｍｅａｎｓ算法及其存在的问题，提出了相应的改进策略，并将改进后的算　法应用于入侵检测系统中。仿真实验结果表明，改进后的ｋ—ｍｅａｎｓ算法在检测率和误检率上均优于传统的ｋ—ｍｅａｎｓ　算法。　关键词：网络入侵检测；聚类分析；ｋ－ｍｅａｎｓ算法　

中图分类号：ＴＰ３１２　文献标识码：Ａ　文章编号：１６７２—７８００（２０１４）００３—００５９－０３　

０　引言　

随着网络规模的不断扩大，网络受到入侵的威胁也越　来越大，有效阻止各种网络入侵行为尤为必要。入侵检测　

系统作为一种积极主动的安全防护技术提供了对网络内　部攻击、外部攻击和误操作的实时保护，确保在网络系统　受到危害之前拦截和响应入侵。基于聚类算法的入侵检　测是一种无监督的异常检测算法，通过对未标识数据进行　分类，能发现新型的和未知的入侵类型。　

传统的ｋ—ｍｅａｎｓ算法存在许多问题，如：愚的点数必　须提前给出；初始值对算法影响极大；对噪声点和孤立点　

［７３　

［８３　１７２３一ｌ７３Ｏ．　肖孟强．混合噪声图像滤波算法在医学图像中的应用研究［Ｄ］．甘　肃：兰州交通大学，２０ｌ２．　袁智．数字图像混合去噪算法的研究［Ｄ］．湖南：中南大学，２０１０．　Ｅ９］黄宝贵，卢振泰，马春梅，等．改进的自适应中值滤波算法ＥＪ］．计算　机应用，２０１１（７）：１８３５—１８３７．　［１０］　郭海霞，解凯．一种改进的自适应中值滤波算法［Ｊ＿．中国图象图　形学报，２００７（７）：ｌ１８５—１１８８．　（责任编辑：云昭洁）