探究大數據下的K-means聚類算法在網絡安全檢測中的應用

◆林慶新

?

探究大數據下的K-means聚類算法在網絡安全檢測中的應用

◆林慶新

（福州大學至誠學院 福建 350002）

隨著我國計算機應用領域的不斷發展，網絡通信逐漸開始改變人們的學習與生活。因此，面對發展中的網絡技術，必須認識到網絡安全檢測問題的重要性。同時，在網絡安全檢測作業中，突破傳統防火墻技術、數據加密技術等靜態安全防御技術的應用，引入新型的安全保障技術。但在新型安全保障技術引入過程中，為了避免入侵攻擊危害系統、網絡安全，必須運用改進過后的K-means聚類算法，最終由此提高網絡安全檢測性能。

大數據；K-means聚類算法；網絡安全

0 引言

基于互聯網信息時代沖擊背景下，網絡信息獲取、交流溝通、商務交易等應用領域的使用越發頻繁。同時，據CNNIC統計數據顯示，我國域名總數已經達到了1470萬個左右。但為了更好地發揮互聯網信息獲取功能，必須在互聯網操控過程中做好網絡安全檢測工作。即在大數據網絡環境中引入K-means聚類算法，繼而有效控制軟件漏洞增長和惡意程序泛濫等問題。以下就是對K-means聚類算法在網絡安全檢測中應用難點等相關問題的詳細闡述。

1 大數據環境下的K-means聚類算法概述

聚類，即表示按照對象間的相似程度，將一組物理對象分為不定數目的組。其中，同一組數據對象間具備一定的相似性，而把相似程度較高的數據對象分為一組的行為就是聚類分析過程。就目前來看，聚類分析已經被逐漸應用于商業、生物學、萬維網、地理研究等領域中。但大數據環境中的K-means聚類算法，可更好地滿足數據龐大且數據結構復雜的網絡數據處理需求。同時，K-means聚類算法作為一種以群分析的數據挖掘算法，可將數據集按照一定的要求，劃分為若干個子集。其中，同一子集數據具備較高的相似性，而不同子集間屬性差異較為明顯。此外，從K-means聚類算法思想層面角度來看，K-means聚類算法也注重強調以層次的方式，對數據進行分類，并保證每一類數據具備一定的相似性，最終獲取k個聚類[1]。另外，從K-means聚類算法工作過程角度來看，如若在網絡安全檢測工作中應用K-means聚類算法。同時，網絡環境中數據多且結構復雜，那么應在網絡大數據對象為n個的基礎上，隨機選擇k個對象作為初始聚類中心，待初始聚類中心確定后，依據各個對象屬性，進行類別劃分。同時，以k個對象的距離為劃分標準，將k個對象分配至最為相似的聚類。其次，待k個對象聚類分析處理后，計算新聚類中所有對象均值，并反復多次重復此計算過程，直至標準測度函數開始出現收斂。即大數據環境下K-means聚類算法與傳統K-means算法相比，能更好的滿足網絡安全檢測需求。為此，應提高對其的重視程度。

2 基于大數據下的K-means聚類算法改進

在網絡安全檢測工作開展過程中，為了達到最佳的K-means聚類算法應用效果，應做好數據預處理、初始中心選取、K值確定等工作。即：

（1）數據預處理。即由于網絡數據共有2種：連續型、離散型。因而，為了更好的實現數據挖掘處理，需在數據預處理作業中，將離散型數據經預處理后，轉換為數值型，由此達到最佳的數據預處理效果。但在離散型數據向數值型數據轉換期間，需定義，如下：

定義1，D，是報警數據庫，其擁有n個警告記錄集，而警告記錄集可用T={T1，T2，……，Tn}進行表示，其中，n≥1。同時，X是警告記錄集的屬性集，由m個特征屬性構成。而其具體的屬性集可用X={X1，X2，……，Xm}進行表示。此外，以對象間距離來表示對象間相似程度[2]。

定義2，如若警告記錄中任意兩條用Ti和Tj表示，那么Ti與Tj間相似程度可用Sim（Ti，Tj）=Simc（Ti，Tj）+Simd（Ti，Tj）（i≠j）。

定義3，設定C={Ci}（i=1，2，……，K）用來表示聚類集。

定義4，假定，若所處理的聚類是Ci，那么聚類中心則是mi，而mi=mid+mic。

（2）確定初始聚類中心。即當數據轉換完成后，可從龐大的數據中選擇符合類中心的樣本點密度較高的聚類。同時，在聚類確定過程中，綜合考慮密度、相似距離等因素對初始聚類中心的影響，而后，從D中隨機抽取q個子集，并設定所抽取的子集為D1，D2，……Dq，且各個子集中擁有n條記錄，繼而待各項內容確定完畢后，由函數FindM處理子集，獲取3個初始聚類中心。即m1、m2、m3[3]。

（3）確定K值。即當初始聚類中心確定后，應采取多次重復的計算方法，計算各個類間相似度距離最大值與最小值，且在聚類分析過程中，通過動態化處理方式，不斷調整K值，最終達到歸類目的。

3 K-means聚類算法網絡安全檢測模型設計

在網絡安全檢測過程中，為了利用K-means聚類算法提高大數據環境中算法效率，應設計K-means聚類算法網絡安全檢測模型。首先，在K-means聚類算法下網絡安全檢測模型設計過程中，應將其分為訓練階段和檢測階段。其中，訓練階段包括網絡大數據、Hash函數、構建樹形數據結構、數據訓練等內容。而檢測階段包括Hash函數、網絡數據基準庫、待檢測網絡數據抓取、Hash函數處理網絡數據、找出K的臨近對象、直推式異常檢測等內容。即訓練階段負責對正常數據進行提取，然后，將所采集的數據通過Hash函數處理方式，進行數據預處理。同時，將特征數據轉換為數據模型，以便于利用K-means聚類算法對數據進行分類，且構建樹形結構。此外，檢測階段主要負責對待檢網絡數據進行Hash函數處理。然后，利用K-means聚類算法，對數據進行分類。同時，探索樹形結構中K臨近對象，最終經直推式異常檢測，判斷數據是否存在異常現象，就此達到網絡安全隱患檢測目的[4]。

4 網絡安全檢測模型應用測試

為了更好的掌握到K-means聚類算法在網絡安全檢測中的應用效果，可在網絡安全檢測模型設計完成后，以KDD Cup99為模型數據采集參考，進行網絡安全檢測模型應用測試工作。而在實際應用測試作業中，可將DoS、Probe、R2L、U2R作為攻擊類型[5]。同時，模型中所記錄的屬性值共有34個，字符屬性是7個。但在所有字符屬性中，正常數據占據總體的18.69%，異常數據占據總體的81.34%。而后，待數據確定后，進行安全模型應用測試。同時，在具體的性能評估工作開展期間，從這些數據中選擇3組，用于樣本分析。其中，這3組子集中每個子集都有1000記錄，而記錄中1.8%-2.0%是已知異常數據。即具體的樣本數據如下：

表 1 樣本

待樣本處理處理后發現，改進后的K-means算法優于傳統K-means算法。即試驗結果如下：

表 2 檢測結果比對

從表2中即可看出，在傳統K-means聚類算法與改進過后的K-means聚類算對比中即可看出，改進過后的算法與傳統算法相比，檢測率提高約，而誤檢率約降低，檢測時間相對節省。因而，在大數據背景下，應將改進過的K-means聚類算法應用于網絡安全檢測作業中。此外，從對不同攻擊類型檢測的效率角度來看，傳統K-means聚類算法與改進過后的聚類算法檢測效率如下：

表 3 對不同攻擊類型檢測的效率

從表3中即可看出，在U2R、R2L、DoS、Probe等不同攻擊類型檢測中，改進過后的K-means算法檢測效果更優。因而，在大數據背景下，應注重將K-means聚類算法應用于網絡安全檢測作業中，就此打造一個良好的網絡通信環境。同時，符合商務交易、交流溝通等領域中互聯網應用需求，且能避免因病毒侵襲等威脅網絡運行安全的情況。

5 結論

綜上可知，在大數據環境的沖擊下，網絡安全檢測問題逐漸引起了人們關注。而由于傳統的防火墻技術等檢測方法已經無法滿足用戶需求，為了保證網絡交易、交流溝通等的安全性，應在網絡數據量大且結構復雜的環境中，改進網絡安全檢測方法。即運用改進過的K-means聚類算法，對冗余的數據進行分類，之后，經數據的預處理，提取關鍵數據進行運算，并在運算過程中，提高網絡安全檢測效率，避免因數據冗余所造成的算法效率低等現象。

[1]鳳祥云.基于K-Means聚類算法入侵檢測系統研究[J].電腦知識與技術，2016.

[2]淡軍.基于并行二分K-means算法在異常檢測中的應用[J].福建電腦，2016.

[3]王勝利.基于大數據聚類算法在網絡安全中的應用[J].網絡安全技術與應用，2016.

[4]王茜，劉勝會.改進K-means算法在入侵檢測中的應用研究[J].計算機工程與應用，2015.

[5]劉長騫.K均值算法改進及在網絡入侵檢測中的應用[J].計算機仿真，2011.