文献类型：期刊文章

作　　者：刘洲洲[1,2] 尹文晓[3] 张倩昀[1] 彭寒[2]

LIU Zhou-zhou;YIN Wen-xiao;ZHANG Qian-yun;PENG Han(School of Computer Science,Xi'an Aeronautical University,Xi'an,710077,China;School of Information Science and Engineering,Hebei North University,Zhangjiakou,075000,China;School of Computer Science,Northwestern Polytechnical University,Xi'an,710072,China)

机构地区：[1]西安航空学院计算机学院,西安710077 [2]西北工业大学计算机学院,西安71OO72 [3]河北北方学院信息科学与工程学院,河北张家口075000

出　　处：《吉林大学学报（工学版）》

基　　金：国家自然科学基金项目(61871313);陕西省自然科学基础研究计划项目(2017JM6096);西安市科技计划项目(2017076CG/RC039(XAHK001)).

年　　份：2020

卷　　号：50

期　　号：2

起止页码：692-702

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对传感云的大规模高维度数据和多变性入侵行为,在雾计算模式下提出了一种基于并行离散优化特征提取和机器学习方法特性的传感云入侵检测算法。首先,为有效降低数据维度和提高特征提取过程的鲁棒性,在定义最优特征评价指标的基础上构建并行离散优化特征提取框架,理论分析表明:该指标能最大限度去除特征冗余度和保持原始数据多样性。其次,设计了具有普遍意义的离散优化算法(DOA),结合工程优化问题特点给出DOA实现流程,并证明了DOA具有全局收敛性,在此基础上使用DOA对特征提取框架进行求解,通过并行特征子集筛选过程实现了最佳特征组合提取。最后,利用最佳特征子集和机器学习中的分布模糊聚类技术对传感云入侵行为进行检测,通过引入智能迭代进化思想和自适应聚类策略,在有效避免模糊聚类算法易陷入局部最优缺陷的同时实现了聚类个数自动划分。实验结果表明:该入侵检测算法能有效给出入侵检测结果,而且相比于其他检测算法,该算法异常检测成功率和漏检率明显改善,且具有较强抗噪能力。

关 键 词：计算机应用 雾计算  传感云  离散优化算法  机器学习  入侵检测

分 类 号：TP393]