一种基于克隆网络聚类的入侵检测方法

摘要

将免疫克隆策略用于网络结构的聚类中,能够得到克隆网络对数据进行合理的聚类分析.采用克隆网络对入侵检测数据进行学习,即用一个小规模网络来表示海量数据,完成数据的压缩表示.再利用图论中的最小生成树对克隆网络的结构进行聚类分析,从而获得描述正常行为和异常行为的数据特征,实现合理的聚类.该算法可实现对大规模无标识原始数据的入侵检测,区分正常和异常行为,并能检测到未知攻击.在KDD CUP99数据集中进行了对比仿真实验,实验结果表明:相对于以前的算法,该算法较大地提高了对已知攻击和未知攻击的入侵检测率,并降低了误警率.