基于蟻群聚類的SVM算法在入侵檢測中的應用.pdf

1、在高速發(fā)展的信息時代,隨著網(wǎng)絡技術和規(guī)模的不斷發(fā)展,信息安全已經(jīng)成為全球性的重要問題之一。入侵檢測技術作為新一代安全保護技術,它對計算機或網(wǎng)絡中發(fā)生的事件監(jiān)視和分析,檢測出入侵行為從而增強系統(tǒng)的安全性。
　　 在現(xiàn)實的網(wǎng)絡環(huán)境中,入侵檢測系統(tǒng)很難獲得較完備的訓練樣本,主動學習支持向量機(SVM)算法能夠很好地解決小樣本學習的問題,大大減少所需訓練樣本的數(shù)量,可以提高入侵檢測系統(tǒng)中分類器的性能。同時,入侵檢測系統(tǒng)需要根據(jù)外在環(huán)境的

2、變化而不斷更新。由于檢測模型的再訓練需要較長的時間,對于所有數(shù)據(jù)再訓練新的模型是不切實際的。因此需要能夠產(chǎn)生自適應模型的機制,通過利用舊模型和新信息來進行更新,自組織蟻群聚類算法已經(jīng)在自適應模型中使用,它不需要對所有數(shù)據(jù)再訓練就可以更新模型。
　　 文中給出了基于蟻群聚類的SVM算法,將主動學習SVM算法中查詢策略改為基于聚類的方法,把自組織蟻群聚類過程分為多個子階段,同時修改了螞蟻的行動機制,對特定對象聚類。將自組織蟻群聚類算