激素调节的克隆选择聚类在入侵检测中的应用
2018-09-22白琳
计算机技术与发展 2018年9期
白 琳
(西安邮电大学 计算机学院,陕西 西安 710121)
0 引 言
入侵检测作为一种实时主动的网络安全防御技术,能够为网络系统的正常运行保驾护航。从20世纪80年代首个通用入侵检测系统模型提出以来,经历了数十年的发展,众多学者对其的研究仍方兴未艾。伴随着计算机网络技术及其应用的飞速发展,面对越来越严峻的网络安全形势,对入侵检测产品的性能也提出了更多、更具体的要求:能够分析复杂、异构的大数据;能够正确检测出恶意的、非法的行为;误报率低;能够检测出未知的攻击。
1 基于聚类的入侵检测研究现状
入侵检测技术手段包括异常检测技术和误用检测技术。异常检测需要建立代表“正常行为”的模型,再以测量值对其的偏离程度判断用户行为是否“异常”。误用检测则通过按事先预定义好的异常模式以及观测到的入侵发生的情况进行模式匹配来进行检测[1]。因此,异常检测可以检测出新的攻击,所以受到的关注度更高。
现有的大多异常检测系统,其正常模型的确立都是通过对完全正常的数据集进行训练而完成的。使得检测方法依赖于带标签的训练数据,如果某些标签是错误的,“正常模型”的误差将会很大。尤其在实际网络环境中,收集和整理出带标签的网络数据工作量大、难度高,所以采用无标签的网络数据建立“正常模型”构造无监督异常检测系统才更可行。
聚类就是一种行之有效的无监督模式分类方法。……
登录APP查看全文
