鄭美容
在復雜多變的網絡環(huán)境中,網絡安全是保證網絡正常運行的關鍵,對網絡入侵進行檢測,是保證網絡安全的關鍵技術[1].目前,網絡基礎設施和網絡帶寬逐漸優(yōu)化,數據傳輸質量也得以優(yōu)化.通過對網絡大數據進行挖掘聚類,能夠篩選網絡數據中的異常數據,對其進行歸類并劃分,能夠有效檢測網絡入侵數據,保證網絡安全.
隨著網絡應用的普及,網絡數據數量變得更加龐大,數據結構越發(fā)復雜.雖然目前聚類分析技術應用的領域非常廣泛,但隨著大數據時代的到來[2-3],傳統聚類分析算法對于小規(guī)模網絡數據集具有較高執(zhí)行效率和良好聚類結果,但處理大規(guī)模高維網絡數據集時[4],傳統聚類分析就會出現數據聚類效率低下、數據檢測準確率降低等缺點[5-6],應用于網絡入侵檢測中,難以有效分辨網絡數據運行狀態(tài),監(jiān)測異常數據,導致網絡入侵檢測難以實現.
因此,本研究提出基于大數據聚類的網絡入侵檢測方法.利用網絡數據預處理對其實現歸一化、標準化;結合模糊C 均值聚類算法建立最大隸屬原則,檢測網絡異常數據樣本點,完成網絡入侵檢測.為驗證所提方法的有效性,設計一次仿真實驗.實驗結果顯示所提方法的檢測精度更高,且能夠高效實現多種類入侵并行檢測,實驗驗證了將所提方法應用于大數據環(huán)境下的網絡安全檢測,對提高網絡系統的安全性具有重要的意義.