文献类型：期刊文章

作　　者：肖苗苗[1,2] 魏本征[1,2] 尹义龙[3]

XIAO Miaomiao;WEI Benzheng;YIN Yilong(College of Science and Technology, Shandong University of Traditional Chinese Medicine, Jinan 250355, Shandong, China;Computational Medicine Lab, Shandong University of Traditional Chinese Medicine, Jinan 250355, Shandong, China;School of Software Engineering, Shandong University, Jinan 250101, Shandong, China)

机构地区：[1]山东中医药大学理工学院,山东济南250355 [2]山东中医药大学计算医学实验室,山东济南250355 [3]山东大学软件学院,山东济南250101

出　　处：《山东大学学报（工学版）》

基　　金：国家自然科学基金资助项目(U1201258;61572300);山东省自然科学基金资助项目(ZR2015FM010);山东高等学校科技计划资助项目(J15LN20);山东省医药卫生科技发展计划资助项目(2016WS0577);山东省中医药科技发展计划资助项目(2015-026)

年　　份：2018

卷　　号：48

期　　号：3

起止页码：115-119

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、IC、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：K-means算法对初始聚类中心及簇数K的选择敏感,导致聚类结果不稳定,会对IDS(intrusion detection system,IDS)的检测结果产生重要影响。针对该问题,提出一种基于细菌觅食优化算法(bacterial foraging optimization algorithm,BFOA)和K-means相复合的入侵检测算法(HIDS)。HIDS算法首先基于距离阈值方法动态确定簇数K,再利用BFOA优化生成初始聚类中心,使得选择的初始聚类中心达到全局最优,从而解决了K-means算法的聚类结果不稳定的问题,进而提高入侵检测的准确率。为验证算法的有效性和测试算法性能,将HIDS在KDD99数据集上进行试验测试,入侵检测率可达98.33%。试验结果表明该方法能够有效提高检测率并且降低误检率。

关 键 词：入侵检测 BFOA  K-MEANS算法 HIDS  检测率

分 类 号：TP391]