1、隨著信息技術飛速發(fā)展，計算機網(wǎng)絡已越來越深刻的影響著人們的生活、工作和社會活動。與此同時，各種對網(wǎng)絡和信息系統(tǒng)的攻擊與破壞手段也不斷增加。網(wǎng)絡安全成為深刻影響著國家經(jīng)濟、政治、軍事等各個領域的關鍵問題，是當前的一個研究熱點。
　　入侵檢測技術作為一種積極主動的動態(tài)防護技術，在網(wǎng)絡與信息安全領域扮演著越來越重要的角色。當前，關于入侵檢測的研究主要目的提高檢測率，降低誤檢率。其中，使用智能算法進行異常檢測成為一個主要的發(fā)展方向。

2、>　　本文介紹了入侵檢測相關技術以及聚類分析相關理論，在聚類分析中重點闡述了FCM算法的原理和流程，然后深入分析了粒子群優(yōu)化算法在優(yōu)化計算方面的優(yōu)勢，并提出基于粒子群優(yōu)化(PSO)和模糊C均值(FCM)算法的入侵檢測方法(PSO-FCM)。模糊C均值(Fuzzy C Means，F(xiàn)CM)算法是一種典型的無監(jiān)督學習技術，能夠使用沒有標記的數(shù)據(jù)生成待檢測數(shù)據(jù)的分類器，進而進行攻擊匹配檢測;粒子群優(yōu)化算法(PSO)實現(xiàn)容易、精度高而且收斂快，

3、特別適合用于解決尋找全局最優(yōu)問題，是典型的演化計算方法。結合兩種算法，本論文的研究內容主要包括:
　　(1)對粒子群優(yōu)化算法中的粒子的速度更新方式進行改進，并將改進后的算法用于優(yōu)化FCM的局部極值問題，進而設計了基于PSO和FCM算法的入侵檢測方法。
　　(2)采用實驗的方法確定了最佳的聚類數(shù)目c值，避免了初始值的不當帶來的不利影響，提高實驗的準確率。
　　(3)設計并實現(xiàn)了基于PSO-FCM算法的入侵檢測實驗系統(tǒng)，采