基于k—means改進算法的入侵檢測系統研究

高波　黃敏

摘要：入侵檢測技術作為一種主動的網絡安全防護技術越來越引起研究者的關注，該文以 k-means 算法為基礎，對基于k-means算法的入侵檢測系統進行了研究和分析，指出了傳統 k-means 算法的不足，提出了相應的改進策略，在此基礎上完成基于k-means改進算法的入侵檢測系統的研究。

關鍵詞：入侵檢測；數據挖掘；k-means算法

中圖分類號：TP311 文獻標志碼：A 文章編號：1009-3044（2014）31-7425-03

Abstract： Intrusion detection technology as a proactive network security technology has drawn increasing attention from researchers. This paper based on k-means algorithm， intrusion detection system based on k-means algorithm were studied and analyzed， pointed out the shortcomings of traditional k-means algorithm， put forward the corresponding improvement strategies. On the basis completed the study An intrusion detection system based on k-means algorithm improved.

Key words： intrusion detection； data mining； k-means algorithm

1 概述

入侵檢測技術作為一種積極主動的安全防護技術，提供了對內部攻擊、外部攻擊和誤操作的實時保護，在網絡系統受到危害之前攔截和響應入侵[1]。它被認為是防火墻之后的第二道安全閘門，在不影響網絡性能的情況下能對網絡進行監測。隨著網絡環境的日益復雜和網絡數據的日益龐大，入侵檢測系統往往需要處理海量的數據，來發現其中可能存在的入侵行為，這是對入侵檢測系統的一個很大挑戰。

數據挖掘指從大量的數據中通過算法搜索隱藏于其中信息的過程。數據挖掘技術最先是在1999年由哥倫比亞大學Wenke lee[2]等人應用到入侵檢測中。將數據挖掘引入到入侵檢測系統中，可以幫助系統從大量的數據中挖掘有效的特征數據，對網絡數據進行分析，實現有效的實時入侵檢測，不但能夠對已知的入侵進行檢測，也能夠對未知的攻擊進行檢測，極大地提高了入侵檢測系統的實時性與有效性，同時數據挖掘算法可以幫助系統學習新的攻擊模式，對特征進行動態的檢測。

本文主要……