张春琴，谢立春



云环境中改进FCM和规则参数优化的网络入侵检测方法

张春琴1,2，谢立春1

（1. 浙江工业职业技术学院，浙江 绍兴 312000；2. 浙江工业大学，浙江 杭州 310014）

针对云环境中的网络入侵检测问题，提出一种基于模糊推理的网络入侵检测方法。首先，利用互信息特征选择对样本特征进行降维。然后，利用提出的改进模糊均值聚类（IFCM）方法对训练样本集进行聚类，根据各样本特征与集群的对应关系获得初始模糊规则库。接着，对每个规则的前件参数和后件参数进行调优，以此获得准确的规则库。最后，基于规则库对输入连接数据进行模糊推理，对其进行分类以实现入侵检测。在云入侵检测数据集上的实验结果表明，该方法能够准确检测出网络入侵，具有可行性和有效性。

云环境；网络入侵检测；互信息特征选择；改进模糊均值聚类；模糊规则库优化

1 引言

在云计算环境中，用户通过远程连接来访问所需的计算、存储、应用等资源，且数据通常存放在共享环境中。在实际情况中可能会存在一些恶意用户对数据进行窃取或篡改。为了提高云环境中的数据安全性，有必要对云平台中的网络用户访问数据流进行实时主动的监控和防御[1]。目前，网络入侵检测系统（intrusion detection system，IDS）主要可分为两类[2]：基于数据挖掘的IDS和基于机器学习的IDS。其中，机器学习方法是基于对数据的智能学习来构建分类器，其检测性能较好，但计算量较大，很难满足实时检测的要求[3]。基于数据挖掘的IDS是通过对历史数据进行数据分析，获得一定的规律来检测入侵。……