基于K-means聚类算法的网络入侵监测系统设计

• 作者: 张佳发 杨逸岳 邹洪
• 来源期刊: 自动化与仪器仪表
• 学科: 工学
• 关键词: 机器学习 网络入侵 监督学习 高维数据 监测系统
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 设计与制造
• 页码范围: 123-126
• 页数: 4页
• 分类号: TP393
• 语种: 中文
• DOI: 10.14016/j.cnki.1001-9227.2020.09.123

摘要

常规的网络入侵监测系统对于高维度数据,存在传输速率慢的问题.为此,设计基于K-means聚类算法的网络入侵监测系统.在硬件设计上,引用安全加速芯片,将其安置在内部高速总线上,通过DMA实现芯片与CPU的连接;在软件设计上,预处理监测的网络数据,将其作为算法的输入,利用K-means聚类算法使网络入侵数据执行聚类操作,以目标函数收敛为依据,输出聚类结果,根据结果判断网络入侵类型,并采取相应的措施;结合硬件设计和软件设计完成网络入侵监测系统设计.测试结果表明,在数据集相同的情况下,设计的基于K-means聚类算法的网络入侵监测系统传输速率为87.43 Mb/s,远高于常规的网络入侵监测系统,说明该系统更适合应用在实际项目中.