1、入侵檢測(cè)中需要對(duì)大量的審計(jì)數(shù)據(jù)進(jìn)行分析，基于數(shù)據(jù)挖掘的入侵檢測(cè)是以數(shù)據(jù)為中心的思想，在大量審計(jì)數(shù)據(jù)中發(fā)現(xiàn)用以區(qū)分正常入侵行為的模式。提高基于數(shù)據(jù)挖掘的入侵檢測(cè)性能，很重要的一點(diǎn)就是使用高性能的挖掘算法，算法的智能化是一個(gè)主要的研究方向。本文的研究將一種新穎的高效智能分類算法首次應(yīng)用到了入侵檢測(cè)中。本文的工作主要集中在下面兩點(diǎn)： 其一是蟻群分類算法的改進(jìn)。基于規(guī)則的分類算法的一個(gè)重要問(wèn)題是如何以較短的規(guī)則獲取較高的分類準(zhǔn)確率，而規(guī)

2、則長(zhǎng)度和分類準(zhǔn)確率是一對(duì)矛盾，不可能同時(shí)達(dá)到最優(yōu)。本文構(gòu)造了一個(gè)新的規(guī)則質(zhì)量函數(shù)，提供了兩個(gè)參數(shù)實(shí)現(xiàn)預(yù)測(cè)準(zhǔn)確度和規(guī)則長(zhǎng)度權(quán)值的在大的范圍內(nèi)可調(diào)整，試驗(yàn)證明這一改動(dòng)是成功的。另外還在蟻群分類中引入了多蟻群并行工作的思想，加上其他一些零星的改動(dòng)，算法在多數(shù)數(shù)據(jù)集上能以較短的規(guī)則獲得較高的的準(zhǔn)確率，相比原算法性能有大幅度的提高，并通過(guò)大量實(shí)驗(yàn)證明了其分類性能。 其二就是把蟻群算法用在了入侵網(wǎng)絡(luò)誤用檢測(cè)中?，F(xiàn)有的很多軟計(jì)算方法都已用被用

3、在了入侵檢測(cè)中，但是基于蟻群算法的入侵檢測(cè)目前尚未有人研究。由于蟻群分類算法的計(jì)算復(fù)雜度和啟發(fā)式貪婪搜索算法Ripper相同，而Ripper因算法復(fù)雜度和訓(xùn)練實(shí)例數(shù)無(wú)關(guān)而被認(rèn)為是最適合入侵建模的算法，再加上改進(jìn)之后的算法引入了彈性機(jī)制，因此改進(jìn)后的蟻群分類是很適合異常檢測(cè)的。本文使用改進(jìn)后的算法網(wǎng)絡(luò)入侵?jǐn)?shù)據(jù)集KDDCUP99上進(jìn)行了檢測(cè)實(shí)驗(yàn)，在經(jīng)過(guò)數(shù)據(jù)清理，經(jīng)屬性約簡(jiǎn)和離散化等預(yù)處理后，對(duì)其進(jìn)行了挖掘?qū)嶒?yàn)，對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了相關(guān)分柝，證明