网络与信息安全实验三异常检测.docx
《网络与信息安全实验三异常检测.docx》由会员分享，可在线阅读，更多相关《网络与信息安全实验三异常检测.docx（11页珍藏版）》请在冰豆网上搜索。
网络与信息安全实验三异常检测
网络与信息安全实验报告
（2015年度秋季学期）
一、实验内容
实验描述：
1、理解基于异常检测的恶意代码防治方法
（1）掌握异常检测的流程
（2）学习相关的异常检测算法
2、基于聚类的异常检测方法
（1）掌握欧氏距离和聚类的概念
（2）如何选取数据集的属性集
（3）采用k-means算法和k-medoids算法聚类数据并进行检测
3、基于聚类的网络流量异常检测
（1）建立历史数据集合
（2）规格化数据
（3）分别采用k-means算法和k-medoids算法对历史数据集进行聚类，产生分类结果
实验过程要求：
1、输入多个一维数据作为历史数据集合，给定类别，进行聚类。
2、输出聚类结果，包括每个类别包含的数据、类别的质心。
3、以上过程分别用k-means算法和k-medoids算法完成。
二、实验设计
算法：
首先，选择K个初始质心，其中K是用户指定的参数，即所期望的簇的个数。
每个点指派到最近的质心，而指派到一个质心的点集为一个簇。
然后，根据指派到簇的点，更新每个簇的质心。
重复指派和更新步骤，直到簇不发生变化，或等价地，直到质心不发生变化。
期望结果：
数据集被划分成不同的簇
二、实验设计
程序流程图：
数据结构：
主要为点的数据结构，用于存放点集的横纵坐标
关键函数：
主要代码1，
说明：
average_point（）函数用于求k-means簇的新的质心，即求所有点的平均值，作为新的质心。
主要代码2：
说明：
min_point（）函数用于求k-medoids簇的新的质心，即求某个点，此点到其他点的所有距离之和最小，以此点作为新的质心。
主要代码3：
说明：
上图程序用于初始化质心，visit数组为了保证随机选取的质心不会重复
主要代码:
4：
说明遍历数据集，将点加入到离他最近的质心
主要代码5，
说明：
如果质心不再变化，则输出所有的簇，否则，更新原质心为新的质心，重新迭代
三、测试数据
此数据集为随机产生，现取其中一组一随机结果数据，用于分析和验证算法的正确性。
k-means数据集样例：
k-medoids数据集样例
四、实验结果
k-means：
随机产生十个点，初始中心点K为3,测试结果如下
根据运行结果可以知道，三个簇的质心（中心点）分别为（73,49）,（8,54）,（55,88）。
三个簇中所包含的具体点如上图所示，可知初始点集已被正确划分为三个簇
k-medoids
根据运行结果可以知道，三个簇的质心（中心点）分别为（44,39）,（61,79）,（66,25）。
三个簇中所包含的具体点如上图所示，可知初始点集已被正确划分为三个簇
五、遇到的困难及解决方法、心得体会
通过实现k-means算法和k-medoids算法，实现了对数据的聚类和检测，掌握了异常检测的流程和欧氏距离与聚类的概念，对于网络异常检测的方法有了更深的认识。
附件：
源代码
#include
#include
#include
#include
#include
#include
#include
usingnamespacestd;
structpoint{
intx;
inty;
};
intgetDistance（pointa,pointb）
{
return（a.x-b.x）*（a.x-b.x）+（a.y-b.y）*（a.y-b.y）;
}
pointaverage_point（vectorv）
{
intlen=v.size（）;
//cout<<"大小为：
"<inttotal_x=0,total_y=0;
pointaver;
for（inti=0;i{
total_x+=v[i].x;
total_y+=v[i].y;
}
aver.x=total_x/len;
aver.y=total_y/len;
returnaver;
}
pointmin_point（vectorv）{
intlen=v.size（）;
intmindis=100000000;
intchoice=0;
inttemp_sum;
for（inti=0;i{
temp_sum=0;
for（intj=0;jif（j==i）
continue;
else
temp_sum+=getDistance（v[i],v[j]）;
}
if（temp_sum<=mindis）{
mindis=temp_sum;
choice=i;
}
}
returnv[choice];
}
boolis_equal（pointa,pointb）{
if（a.x==b.x&&a.y==b.y）
returntrue;
else
returnfalse;
}
voidk_means（vectorv,intk）
{
vector>center;
vector>new_center;
vectorline;
intvisit[10000];
for（inti=0;i<10000;i++）
{
center.push_back（line）;//二维vector需要初始化，才能v[i].push_back（t）;
new_center.push_back（line）;
visit[i]=0;
}
inti=0;
intflag;
intlength=v.size（）;
cout<<"所有点的"<for（inti=0;icout<<"["<}
//初始化K个簇
//随机选择k个点，为K个簇
while（i{
vectort;
intc;
c=rand（）%length;
if（visit[c]==1）
continue;
center[i].push_back（v[c]）;
visit[c]=1;
i++;
}
intit=1;
while（true）{
cout<<"第"<flag=0;
new_center.clear（）;
vectorline;
cout<<"中心点:
"<for（inti=0;icout<["<}
for（inti=0;i<10000;i++）
{
new_center.push_back（line）;
}
intdis;
for（inti=0;iintmin_dist=10000000;
intchoice;
vectort;
for（intj=0;jdis=getDistance（v[i],center[j][0]）;
if（dismin_dist=dis;
choice=j;
}
}
if（dis==0）
continue;
cout<<"点:
["<"<center[choice].push_back（v[i]）;//将此点集加入到离他最近的质心
}
for（inti=0;i//new_center[i].push_back（average_point（center[i]））;//求平均质心
new_center[i].push_back（min_point（center[i]））;//求平均质心
//cout<<"new_center:
["<}
for（inti=0;iif（is_equal（new_center[i][0],center[i][0]））{//判断新的质心与原质心是否相等
flag+=1;
}
}
if（flag==k）{//如果新质心与原质心都相同，即质心不再变化
for（inti=0;icout<<"第"<"<<"中心点为:
"<<"["<for（intj=1;jcout<<"["<}
}
return;
}
else{//否则，更新原质心为新的质心，重新迭代
center.clear（）;
center.assign（new_center.begin（）,new_center.end（））;
}
}
}
intmain（）{
vectorv;
srand（time（NULL））;
intnum,k;
cout<<"请输入点的个数：
";
cin>>num;
cout<<"请输入中心点k的个数:
";
cin>>k;
pointp;
for（inti=0;ip.x=rand（）%100;//随机产生0-99之间的数字
p.y=rand（）%100;
v.push_back（p）;
}
k_means（v,k）;
}
升级会员 