理工類研究生開題報(bào)告范文
論文的研究內(nèi)容包括兩個方面：一是研究新的高效的聚類算法;一是把已有的聚類算法或論文提出的新算法和入侵檢測技術(shù)相結(jié)合，從而提出一個好的入侵檢測模型。具體的研究內(nèi)容包括以下幾個點(diǎn)：
第一、針對聚類算法的研究問題：
1、如何提高算法的.可擴(kuò)展性
許多聚類算法在小于200個數(shù)據(jù)對象的小數(shù)據(jù)集上是高效率的，但是無法處理一個大規(guī)模數(shù)據(jù)庫里的海量對象�，F(xiàn)有的聚類算法只有極少數(shù)適合處理大數(shù)據(jù)集，而且只能處理數(shù)值型數(shù)據(jù)對象，無法分析具有類屬性的數(shù)據(jù)對象。
2、如何處理離群點(diǎn)
在實(shí)際應(yīng)用中，估計(jì)數(shù)據(jù)集中的離群點(diǎn)可能是非常困難的，很多算法通常丟棄增長緩慢的簇，這樣的簇趨向于代表離群點(diǎn)。然而在某些應(yīng)用中，用戶可能對相對較小的簇比較感興趣，比如入侵檢測中，這些小的簇可能代表異常行為，那么我們需要考慮在對算法影響更小的前提下，如何更好的處理這些離群點(diǎn)。
3、研究適合具有類屬性數(shù)據(jù)的聚類算法的有效性
對聚類分析而言，有效性問題通�？梢赞D(zhuǎn)換為最佳類別數(shù)K的決策。而目前有關(guān)聚類算法的有效性分析，大都集中在對數(shù)值數(shù)據(jù)的聚類方式分析上。對于具有類屬性的數(shù)據(jù)聚類，還沒有行之有效的分析方法。
第二、針對聚類算法在IDS應(yīng)用中的研究問題：
1、如何結(jié)合聚類技術(shù)和入侵檢測技術(shù)取得更好的效果
很多的聚類算法都已經(jīng)和IDS應(yīng)用環(huán)境結(jié)合起來了，很多研究者對前人提出的算法作出改進(jìn)后，應(yīng)用到IDS系統(tǒng)中去，或者提出一個全新的算法來適應(yīng)IDS的要求。隨著聚類技術(shù)的不斷發(fā)展，聚類技術(shù)在入侵檢測中的應(yīng)用將是一個很有前景的工作。我們需要把更好的聚類技術(shù)成果應(yīng)用到入侵檢測中。
2、利用聚類技術(shù)處理入侵檢測中的頻繁誤警
雖然入侵檢測是重要的安全措施，然而它常常觸發(fā)大量的誤警，使得安全管理員不堪重負(fù)，事實(shí)上，大量的誤警是重復(fù)發(fā)生并且頻繁發(fā)生的，可以利用聚類技術(shù)來尋找導(dǎo)致IDS產(chǎn)生大量誤警的本質(zhì)原因。
【理工類研究生開題報(bào)告范文】相關(guān)文章：