| 人工鱼群和K均值算法相融合的网络入侵检测 |
| |
| 引用本文： | 袁芳芳. 人工鱼群和K均值算法相融合的网络入侵检测[J]. 计算机仿真, 2013, 30(9) |
| |
| 作者姓名： | 袁芳芳 |
| |
| 作者单位： | 太原大学,山西太原,030032 |
| |
| 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 |
Networks Intrusion Detection Based on K-means Clustering Algorithm and Artificial Fish Wwarm Algorithm |
| |
| YUAN Fang-fang. Networks Intrusion Detection Based on K-means Clustering Algorithm and Artificial Fish Wwarm Algorithm[J]. Computer Simulation, 2013, 30(9) |
| |
| Authors: | YUAN Fang-fang |
| |
| Abstract: | |
| |
| Keywords: | Intrusion detection Maximum and minimum distance algorithm Artificial fish-swarm algorithm K-means algorithm Clustering center |
| 本文献已被 万方数据 等数据库收录！ |
|
