[发明专利]一种基于数据挖掘的网络异常检测方法

权利要求书

1.一种基于数据挖掘的网络异常检测方法，包括：

系统标准输入、输出：stdio；

系统标准库:stdlib；

系统数学函数库:math；

系统标准输入、输出流:iostream；

其特征在于：具体包括如下步骤：

S1、首先，启动主程序文件detection.cpp，读入待检测的数据和进行预处理；

S2、依次调用数值化程序num.epp、数据归一化程序format.cpp两个文件对数据进行预处理，提高后面算法的运行效率；

S3、调用个体适应度计算程序fitcal.cpp计算个体的适应度，以用于选择算子部分的赌盘选择；

S4、调用遗传算子程序genetic.cpp；

S5、调用聚类分析和生成模块clust.cpp，将前一步所得个体作为聚类划分方法的初始中心点，由此模块对数据进行划分并产生聚类；

S6、调用数据可读性转换模块trap.cpp对产生的聚类进行标识，确定正常数据和异常数据类型；

S7、报警模块alert.cpp向控制台输出正常数据和异常数据的信息。

2.根据权利要求1所述的一种基于数据挖掘的网络异常检测方法，其特征在于：在S4中，所述调用遗传算子程序genetic.cpp的具体步骤如下：

a首先，调用选择算子选择适应度较高的个体；

b然后，调用交叉算子对个体进行适度地交叉，提高全局搜索能力；

c最后，调用变异算子对个体进行适度地变异，提高局部搜索能力,一共迭代4次。

3.根据权利要求1所述的一种基于数据挖掘的网络异常检测方法，其特征在于：在S5中，所述聚类的具体方法如下：

输入：密度半径r，n条记录的数据集A；输出：k个聚类；包括如下步骤：

A、扫描一次数据集A，For：读取样本集合A中的每一个数据i；

B、计算每个数据的点密度，并计算出每个数据点的距离和Dᵢ与距离均和H；

C、如果数据对象密度值小于密度值Q，并且D>H则视为该对象为孤立点t；

D、去除A中的孤立点数据，得到新的数据集A'，并记录A'中的样本个数m=n-t，输出孤立点；

E、运行改进的获取初始聚类中心的算法，获得k个初始聚类中心；

F、对点集U进行聚类，形成k个簇集U_K。