付双胜 张明军 刘棣华 鲁晓帆

长春工业大学计算机科学与工程学院 吉林 130012

0 引言

近年来，将聚类分析方法应用于入侵检测方面的研究变得非常活跃，它也是一个极富挑战性的研究领域。我们把物理或抽象对象的集合分组成为类似的对象组成的多个类或簇的过程叫做聚类。由聚类所生成的簇是一组数据对象的集合，在同一个簇中的对象之间具有较高的相似度，而不同簇中的对象差别较大。聚类分析是一种探查数据结构的工具，其核心是聚类。聚类分析也是一项基本分析技术，属于非监督学习技术，不需要以先验标识符来标定数据类别标号的假定。因此基于聚类的入侵检测技术就是一种无监督的检测技术，其优点是它可以在未标记的数据上训练并检测入侵，而且能有效的检测出未知入侵。当前无监督的检测技术主要存在以下不足：①在聚类过程中只考虑元素与类之间的距离，而没有考虑类大小产生的影响；②检测结果对参数较敏感，参数选择往往凭经验确定，没有一般的原则；③“元素个数越少的簇越可能是异常簇”的假设不尽合理。针对上述问题，文献[2]提出的基于引力的聚类方法GCA的入侵检测技术，尽管该技术在时间复杂度以及检测的准确性等明显优于其他一些检测方法，但是它的误报率相对来说还是有点偏高，本文在文献[2]的基础上提出一种增强的基于GCA的入侵检测方法，有效地降低了检测的误报率。

1 基于引力的聚类方法GCA

将万有引力的思想引入聚类分析，文献[2]提出了基于引力的聚类算法GCA，将聚类过程看成对象被已有类吸引的过程，对象依次被吸入到对其引力最大的簇中或产生一个新的簇。……