收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于支持向量机和贝叶斯分析技术的入侵检测方法研究

邬书跃  
【摘要】:入侵检测是一种用于检测计算机网络系统中入侵行为的网络信息安全技术。本文针对入侵检测的发展趋势和应用需求,重点研究了基于支持向量机(SVM)和贝叶斯分析技术的入侵检测重要方法,解决入侵检测精度和速度的迫切需要。本文的研究工作和创新点主要包括: (1)提出了在少量样本条件下,采用带变异因子的SVM协作训练模型进行入侵检测的方法。充分利用大量未标记数据,通过两个分类器检测结果之间的迭代训练,可以提高检测算法的准确度和稳定性。在协作训练的多次迭代之间引入变异因子,减小由于过学习而降低训练效果的可能。仿真实验表明,本方法的检测准确度比传统的SVM算法提高了7.72%,并且对于训练数据集和测试数据集的依赖程度都较低。 (2)提出了在少量样本情况下,采用SVM Tri-training方法进行入侵检测的技术。该方法充分利用大量未标记数据,通过三个分类器检测结果之间的迭代训练,不必使用交叉验证,适用范围更广,且准确度更高。仿真实验表明,本方法的检测准确度比SVM Co-training算法提高了2.1%,并且随着循环次数的增加,其性能优势更加明显。 (3)提出了一个由三个相互作用的部件组成的高效攻击分类模型,可以自动和系统地对入侵检测系统中检测到的攻击进行分类。使用了改进的贝叶斯分析技术来训练分类器。基于异常的入侵检测系统常常受制于其对攻击分类能力的缺乏,因此安全研究人员非常关注攻击分类技术的研究。仿真结果表明本模型在资源使用和攻击分类精度上都有较大提高。 (4)针对当前高速网络中入侵检测系统普遍存在的“性能-精度”失衡问题,提出了对占据较大比例的P2P流量进行提前识别和过滤的双层模型。该模型由单流内部流量特征的贝叶斯网络识别算法与多流之间行为特征SVM识别算法组成。仿真实验表明,本方法相对于传统的基于流量特征的识别技术,检测准确度提高了5.4%,并且具有较好的稳定性。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 胡广朋;黄海洋;;使用协议分析和聚类支持向量机的入侵检测方法[J];江苏科技大学学报(自然科学版);2010年06期
2 杨清;李方敏;;基于潜在语义模型的SVM入侵检测研究[J];计算机工程与应用;2007年05期
3 谷雨;范菁;张天军;;基于随机子空间法的多Agent分布式入侵检测[J];计算机工程;2007年14期
4 谷雨;基于增量式SVM的入侵检测研究[J];云南民族大学学报(自然科学版);2005年03期
5 钱权;耿焕同;王煦法;;基于SVM的入侵检测系统[J];计算机工程;2006年09期
6 朱芳芳;李志华;王士同;;改进的WSVM入侵检测方法[J];计算机仿真;2008年11期
7 谷雨;赵佳枢;张天军;徐宗本;;基于免疫多样性的分布式入侵检测算法[J];西安交通大学学报;2006年10期
8 鞠秋文;;PSO-SVM算法在网络入侵检测中的研究[J];计算机仿真;2011年04期
9 张小强;朱中梁;范平志;何明星;;基于序列互相关特性和SVM的入侵检测研究[J];铁道学报;2007年03期
10 付长龙;吕彦波;姚全珠;杜旭辉;;基于样本密度的SVM及其在入侵检测中的应用[J];计算机应用;2007年04期
11 贾伟峰;张凤荔;童彬;万明成;;自组织映射神经网络在入侵检测中的应用[J];计算机工程与应用;2009年23期
12 周永浩;李鸥;刘洋;;基于SVM的MANET路由层入侵检测[J];计算机应用研究;2010年05期
13 牟琦;毕孝儒;龚尚福;厍向阳;;基于中间分类超平面的SVM入侵检测[J];计算机工程;2011年16期
14 吴建新;入侵检测技术概述[J];电脑知识与技术;2005年30期
15 丁鸿弼;阮俊;;基于KPCA-SVM的入侵检测模型研究[J];科技创新导报;2011年01期
16 饶鲜;李斌;杨绍全;;基于核中心距比值法的入侵检测[J];计算机工程;2006年18期
17 唐继勇;宋华;孙浩;邓亚平;;基于粗糙集理论与核匹配追踪的入侵检测[J];计算机应用;2010年05期
18 罗光春;卢显良;薛丽军;;一种运用限幅自相似性的新型DDoS入侵检测机制[J];计算机科学;2004年03期
19 邓广慧;唐贤瑛;夏卓群;;基于FCM和RBF网络的入侵检测研究[J];电脑与信息技术;2006年01期
20 李士勇;梁家荣;唐志刚;;基于粗糙—遗传算法的入侵检测方法研究[J];现代计算机;2006年09期
中国重要会议论文全文数据库 前10条
1 张满怀;;两类基于异常的网络入侵检测方法的比较[A];2007中国科协年会——通信与信息发展高层论坛论文集[C];2007年
2 张小强;朱中梁;范平志;;基于SVM和序列互相关特性的入侵检测[A];可持续发展的中国交通——2005全国博士生学术论坛(交通运输工程学科)论文集(下册)[C];2005年
3 陈鑫;梁海洁;廖腾峰;;基于TSVM分类器和混合型特征选择方法的入侵检测研究[A];2010年全国开放式分布与并行计算机学术会议论文集[C];2010年
4 毛俐旻;王晓程;;基于Multi-SVM的网络入侵检测技术研究[A];全国计算机安全学术交流会论文集(第二十三卷)[C];2008年
5 张应辉;饶云波;;最小差异度聚类在异常入侵检测中的应用[A];第二十一次全国计算机安全学术交流会论文集[C];2006年
6 董晓梅;郭晓淳;王丽娜;于戈;申德荣;王国仁;;基于关联规则数据挖掘的数据库系统入侵检测方法[A];第十九届全国数据库学术会议论文集(研究报告篇)[C];2002年
7 范瑛;;改进蚁群算法结合BP网络用于入侵检测[A];中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集[C];2010年
8 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
9 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
10 涂冬成;薛龙;刘木华;赵进辉;沈杰;吁芳;;基于支持向量机的鹅肉肉色客观评定研究[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
中国博士学位论文全文数据库 前10条
1 邬书跃;基于支持向量机和贝叶斯分析技术的入侵检测方法研究[D];中南大学;2012年
2 段丹青;入侵检测算法及关键技术研究[D];中南大学;2007年
3 郑洪英;基于进化算法的入侵检测技术研究[D];重庆大学;2007年
4 张金荣;无线传感器网络能效与安全研究[D];重庆大学;2008年
5 尹清波;基于机器学习的入侵检测方法研究[D];哈尔滨工程大学;2007年
6 唐贤伦;混沌粒子群优化算法理论及应用研究[D];重庆大学;2007年
7 张桂玲;基于软计算理论的入侵检测技术研究[D];天津大学;2006年
8 唐贤伦;混沌粒子群优化算法理论及应用[D];重庆大学;2007年
9 杨智君;入侵检测关键技术在大型科学仪器工作状态监测系统中的研究与应用[D];吉林大学;2006年
10 翁广安;基于免疫原理的实值编码入侵检测系统研究[D];华中科技大学;2008年
中国硕士学位论文全文数据库 前10条
1 陈伟统;基于粗糙集理论的网络入侵检测方法[D];浙江大学;2006年
2 龙泉;基于分布式入侵检测系统研究[D];武汉理工大学;2005年
3 章登科;基于人工免疫系统的检测器生成算法研究[D];华南师范大学;2007年
4 史兴娜;基于免疫机制的Multi-Agent入侵检测系统[D];太原理工大学;2007年
5 杨红;基于选择性集成的入侵检测系统的研究与实现[D];江苏大学;2005年
6 阎明;基于系统调用和上下文的异常检测技术研究[D];哈尔滨工程大学;2009年
7 向光;基于机器学习和数据挖掘的入侵检测技术研究[D];东北大学;2005年
8 尹敬涛;基于大步回退剪枝最大频繁模式挖掘的入侵检测系统研究[D];燕山大学;2006年
9 柴晨阳;基于神经网络集成的入侵检测研究[D];湖南大学;2007年
10 卢洁;基于PSO-RBF神经网络的入侵检测系统的研究与实现[D];南京林业大学;2008年
中国重要报纸全文数据库 前10条
1 翟金钟;把好网络安全这道关[N];金融时报;2002年
2 摩托罗拉(中国)电子有限公司;摩托罗拉:蓝军攻击激活全面防护[N];通信产业报;2006年
3 彭小琴;企业网安全方法论[N];中国计算机报;2004年
4 ;警惕网络诸多敞开的“后门”[N];人民邮电;2006年
5 赵力 文华;部省共建千秋业 百年名校铸辉煌[N];光明日报;2004年
6 ;应用级防火墙走出概念泡沫[N];中国计算机报;2003年
7 李水根;计算机详解配伍与药效关系[N];健康报;2005年
8 课题主持人 李心丹 课题协调人 上海证券交易所 施东晖 傅浩 课题研究员 宋素荣 查晓磊 宾红辉 张许宏 郭静静 黄隽 南京大学工程管理学院;内幕交易与市场操纵的行为动机与判别监管研究[N];中国证券报;2007年
9 上海大学理学院教授、副院长 陆文聪;酷爱化学 孜孜以求[N];中国化工报;2006年
10 清华大学 苏光大;非接触式人脸识别技术[N];计算机世界;2006年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978