1、網絡入侵的數據量大,又隱蔽。很多專家從不同的角度提出了各種各樣的防范方法和管理辦法。本文的特色是把分類和聚類的方法引入到了網絡的入侵行為檢測中。本文從文字的聚類和分類研究的基礎上.希望通過一定的挖掘和關聯來把網絡的各個元素有因有果的串聯起來。最后可以發(fā)現類似“啤酒和尿布”一樣經典的邏輯相關性。希望從一個全新的視角審視網絡入侵行為.杜絕網絡入侵。所以文章著重于解決模型的提出方法和最終此類方法到可以得到的結果。
　　 分類聚類分析是

2、機器學習、模式識別、機器視覺等領域重要的工具。傳統意義上的分類聚類分析是無監(jiān)督學習.因為人工干預程度與花費較低而被廣泛采用。問題在于.由于完全無監(jiān)督學習總是要基于某些假設.比如對于類別分布假設和特征權重相等的假設。此類假設可能并不適合于人們碰到的新的問題。文章很多時候借鑒了原有的網絡入侵的行為特征。慶幸的是目前的全球信息化時代.在為很多網絡入侵抱怨的時候.實質上也積累了巨大的入侵的包信息、代碼信息、系統記錄信息、網絡流信息。對于這樣的內