融合布谷鸟搜索和K均值算法的入侵检测方案

摘要：

针对传统K均值聚类算法全局搜索能力差、需要设定初始聚类个数等问题,提出一种结合新型布谷鸟搜索(CS)算法和自适应K均值算法的入侵检测模型(NCS-AKM),为提高布谷鸟搜索算法的种群多样性,引入类似差分进化策略有选择地对种群进行变异重组.利用KDD Cup99数据集构造训练数据和包含4个阶段的在线测试数据,在第3、4阶段分别引入新的攻击.结果表明,该检测模型能够准确地识别出新入侵,对测试集中4种攻击类型的总体检测率高达83.4％(各阶段:70.8％ ～ 89.9％),误报率为6.3％(各阶段:3.0％～11.5％),具有较高的检测性能和具有说服力的聚类结果.

关键词：布局鸟搜索算法、K均值聚类算法、入侵在线检测、自动聚类数、差分进化

分类号：TP393.08(计算技术、计算机技术)

资助基金：国家863计划项目2012AA010904

在线出版日期：2017-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：95-99,104