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： 计算机网络 信息安全 入侵检测 人工鱼群算法 K均值算法

作者: 袁芳芳

作者单位: 太原大学,山西太原030032

会议类型: 国内会议

会议名称: 中国计算机用户协会仿真应用分会成立三十周年庆祝大会暨2013全国仿真技术学术会议

会议地点: 呼和浩特

会议语种:中文

页码: 274-277

在线出版日期: 2013-09-01（万方平台首次上网日期，不代表论文的发表时间）