人工鱼群和K均值算法相融合的网络入侵检测

摘要：

针对K均值算法存在的初始聚类中心敏感和易陷入局部最优等缺陷,利用人工鱼群算法全局寻优能力,提出一种人工鱼群和K均值算法相融合的网络入侵检测模型(AFSA-KCM).首先采用抽样技术和最大最小距离算法获得一组较优的聚类中心和聚类数目,然后通过人工鱼群模拟自然界鱼群的觅食、聚群,追尾等行为,找到最优的聚类中心和聚类数目,最后利用K均值算法根据最优的聚类中心和聚类数目建立最优的入侵检测模型,并采用KDD CUP99数据集进行测试实验.实验结果表明,相对于其它入侵检测模型,AFSA-KCM不仅提高了网络入侵检测率,同时加快了网络入侵检测速度,可以为网络安全入侵检测提供有效保证.

关键词：入侵检测、最大最小距离算法、人工鱼群算法、K均值算法、聚类中心

所属期刊栏目：30

分类号：TP393.4(计算技术、计算机技术)

在线出版日期：2013-11-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：274-277