基于无线Ad hoc网络入侵检测的数据挖掘算法研究的综述报告

基于无线Ad hoc网络入侵检测的数据挖掘算法研究的综述报告无线Ad hoc网络是一种自组织、无固定基础设施的网络，由多个移动设备组成。随着移动设备数量的增加和无线网络技术的发展，Ad hoc网络在实

Adhoc 基于无线网络入侵检测的数据挖掘算法研究 的综述报告 无线Adhoc网络是一种自组织、无固定基础设施的网络，由多个 移动设备组成。随着移动设备数量的增加和无线网络技术的发展，Ad hoc网络在实际应用中得到了广泛的应用。然而，Adhoc网络的分布式 和无固定的特性给网络安全带来了诸多挑战。入侵是指未经授权的访 问、使用或更改计算机系统或网络的行为。针对Adhoc网络的入侵检测 技术也随之应运而生。 数据挖掘在入侵检测中扮演着重要的角色。数据挖掘是一种从大量 数据中提取有效信息的技术。在Adhoc网络中，数据挖掘可以用于检测 网络中的异常行为。本文将综述Adhoc网络入侵检测中数据挖掘算法的 研究现状，包括分类算法、聚类算法、关联规则算法等。 分类算法是将数据分成若干类别，将每个数据分类到正确的类别 中。Adhoc网络入侵检测分类算法的主要研究方法包括：基于规则的分 类算法、基于神经网络的分类算法、基于决策树的分类算法等。其中基 于决策树的分类算法应用较为广泛。Panwar等人提出了一种基于统计决 策树的入侵检测方法，通过对网络数据的分析提取特征，用决策树分类 器来区分正常流量和攻击流量。 聚类算法是将数据按照某种相似性指标划分成若干簇，同一簇内的 元素相似程度较高。聚类算法可以作为一种入侵检测方法进行使用。 Chen等人提出了一种基于改进的K-means聚类算法的入侵检测方法， 来降低K-means算法的局部最优解问题。另外，各种聚类算法的组合形 式也被用于入侵检测中。Wen等人提出一种基于层次聚类的入侵检测方 法，通过将梅尔频率倒谱系数提取的特征应用于神经网络分类器来检测 入侵。