基于改進(jìn)FCM的網(wǎng)絡(luò)異常流量檢測

龍穎 袁明蘭 胡雪

摘要：針對(duì)正常上網(wǎng)所產(chǎn)生的網(wǎng)絡(luò)流量遠(yuǎn)遠(yuǎn)大于攻擊、入侵等非正常手段產(chǎn)生的異常流量的特點(diǎn)，通過對(duì)傳統(tǒng)FCM算法進(jìn)行改進(jìn)，引入新的聚類中心矩陣計(jì)算方法來計(jì)算落入平均半徑范圍內(nèi)的流量數(shù)據(jù)的對(duì)象數(shù)量，根據(jù)該數(shù)量更新聚類中心矩陣，對(duì)流量數(shù)據(jù)進(jìn)行聚類，并識(shí)別出網(wǎng)絡(luò)異常流量。對(duì)改進(jìn)FCM算法、傳統(tǒng)FCM、HCM的效果進(jìn)行比較分析發(fā)現(xiàn)，改進(jìn)FCM雖然處理時(shí)間較HCM長，但對(duì)噪聲抑制較好，錯(cuò)分率較低。

關(guān)鍵詞：FCM;流量檢測;聚類

隨著網(wǎng)絡(luò)帶寬逐漸增加、存儲(chǔ)介質(zhì)的容量逐漸增大、服務(wù)器計(jì)算能力逐漸增強(qiáng)，促使了數(shù)據(jù)產(chǎn)生的成本越來越低，從而造成網(wǎng)絡(luò)數(shù)據(jù)急劇膨脹。如何快速、準(zhǔn)確對(duì)網(wǎng)絡(luò)流量進(jìn)行識(shí)別和分類是網(wǎng)絡(luò)入侵檢測中亟待解決的問題。基于模糊集的FCM算法作為一種無監(jiān)督的分類方法，表現(xiàn)了樣本與樣本之間的聯(lián)系，建立了數(shù)據(jù)樣本對(duì)類別的不確定性描述，已廣泛應(yīng)用于機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、圖像分割、海量數(shù)據(jù)分析等領(lǐng)域。在網(wǎng)絡(luò)流量檢測中，往往基于以下假設(shè)，即網(wǎng)絡(luò)正常流量的數(shù)量遠(yuǎn)遠(yuǎn)大于異常流量，異常流量在數(shù)據(jù)中將會(huì)呈現(xiàn)出比較特殊的性質(zhì)，F(xiàn)CM能通過識(shí)別正常類別比例來確定異常的類別。

因傳統(tǒng)FCM對(duì)初始數(shù)據(jù)敏感，對(duì)于含噪數(shù)據(jù)的識(shí)別效果不佳，迭代次數(shù)增加后算法處理時(shí)間迅速增加，錯(cuò)分率有所上升。HCM算法運(yùn)行速度快，但錯(cuò)分率較高。本文算法聚類中心矩陣是通過多次迭代生成的，在對(duì)噪聲的抑制上比傳統(tǒng)FCM和HCM表現(xiàn)好。

通過理論分析和實(shí)驗(yàn)發(fā)現(xiàn)，在模擬實(shí)驗(yàn)環(huán)境下，基于改進(jìn)FCM算法的網(wǎng)絡(luò)異常流量檢測具有聚類速度較快，分類好的特點(diǎn)，算法魯棒性較好，能正確、及時(shí)發(fā)現(xiàn)網(wǎng)絡(luò)異常流量，為網(wǎng)絡(luò)異常流量實(shí)時(shí)檢測提供技術(shù)支持。

參考文獻(xiàn)：

[1]劉麗珍，宋瀚濤，陸玉昌.無標(biāo)記訓(xùn)練樣本的Web文本分類方法[J].計(jì)算機(jī)科學(xué)，2006（03）：200-201+211.

[2]宋國權(quán)，李金鋒.基于聚類算法的腦部MR圖像分割[J].中國醫(yī)療設(shè)備，2017，32（01）：26-29.

（作者單位：1.重慶應(yīng)用技術(shù)職業(yè)學(xué)院，2.重慶商務(wù)職業(yè)學(xué)院，3.山東省醫(yī)學(xué)科學(xué)院附屬醫(yī)院）