收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

智能网络入侵检测方法的研究

刘思佳  
【摘要】: 随着计算机网络的快速发展,计算机系统受到网络入侵的风险日益加大,网络安全已成为不容忽视的问题,入侵检测逐渐成为近年来的研究热点。作为入侵检测主要方法之一的异常检测,是指通过量化分析与统计分析建立正常的使用规则,并将该规则与当前的系统或用户行为进行比较,根据彼此的差异区分攻击行为。目前,异常检测发展比较缓慢,还存在误报率较高的缺陷,难点主要包括:第一,如何建立合理的正常行为模式。用户的正常行为并不一定在训练阶段就被全部认知,为提高认知性,往往需要大量的训练样本。这就使检测方法在训练阶段耗费大量时间,降低检测的实时性;第二、如何克服复杂网络环境中“噪音”的影响。网络入侵检测中要获得大量的纯净数据并不容易,实际获得的数据往往存在多变性,不同质,高维数等特点。这就要求检测算法能够对实时的网络数据具备良好的过滤分析能力。 本文在对入侵检测发展现状和发展趋势进行了系统、全面地分析和总结的基础上,深入研究入侵检测方法的系统原理,建立一种异常检测方法的模型。本文利用智能算法在数据分类、进化计算、数据压缩等方面的优势,提出一种基于智能算法的网络入侵检测方法,取得了一定创新和成果。本文的主要特色包括: 1.采用了一种基于支持向量机的智能网络入侵检测方法。入侵检测的核心是区分正常和异常的网络行为,本质是一个非线性的分类问题。支持向量机通过求解一个多约束的最优化问题,得到一个区分行为的决策函数,从而达到分类目的。该方法克服了传统统计学中训练样本趋于无穷的缺点,并采用结构风险最小化准则,使通过学习小样本得到的决策函数具备良好的“泛化”性。 2.提出一种基于改进离散粒子群算法的参数优化算法。基于支持向量机的入侵检测方法的检测性能与一些参数的取值有很大关联,如惩罚因子和核函数参数。本文通过改进离散粒子群算法搜索最优参数值,从而达到提高检测精度的目的。 3.采用粗糙集理论简化数据集。网络数据往往是高维、含噪声的。粗糙集属性约简在保持数据集分类能力不变的前提下,压缩数据空间,简化运算,缩短了训练和检测时间,提高了入侵检测实时性,降低误报率。同时,数据压缩得到的关键属性为进一步分析各类入侵行为的特点提供依据。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 王李冬;;一种新的人脸识别算法[J];计算机技术与发展;2009年05期
2 刘晗;余小清;万旺根;马秀丽;;基于粗糙集理论与支持向量机的纳税评估模型[J];计算机仿真;2009年12期
3 刘碧森,钟守铭;基于RST和SVM的入侵检测系统[J];电子科技大学学报;2005年04期
4 徐袭;姚琼荟;石敏;;基于粗糙集与支持向量机的故障智能分类方法[J];计算技术与自动化;2006年01期
5 张琨;曹宏鑫;衷宜;刘凤玉;;网络入侵检测中一种新型SVM特征加权分类方法[J];南京理工大学学报(自然科学版);2008年02期
6 孙福志;于军琪;杨柳;;火灾识别中RS-SVM模型的应用[J];计算机工程与应用;2010年03期
7 张建明;曾建武;谢磊;王树青;;基于粗糙集的支持向量机故障诊断[J];清华大学学报(自然科学版);2007年S2期
8 杨明;张凤鸣;张宣;;粗糙集理论的支持向量机建模研究及应用[J];火力与指挥控制;2008年S1期
9 孙涵;诸克军;;基于邻域粗糙集与支持向量机的油层识别研究[J];计算机工程与应用;2008年30期
10 马晨光;胡昌华;骆功纯;郑建飞;;粗糙集和支持向量机在复杂电路系统诊断中的应用[J];电光与控制;2009年03期
11 李元诚,方廷健;一种基于粗糙集理论的SVM短期负荷预测方法[J];系统工程与电子技术;2004年02期
12 李亚楠;耿伯英;;基于支持向量机的传感器非线性动态补偿[J];传感器技术;2005年12期
13 简清明;曾黄麟;叶晓彤;;粗糙集特征选择和支持向量机在入侵检测系统中的应用[J];四川理工学院学报(自然科学版);2009年05期
14 宋贤民;;基于支持向量机的曝气池SVI软测量研究[J];科学技术与工程;2011年04期
15 赵亚鹏;诸琳;;基于粗糙-支持向量机的航运企业客户信用评估[J];中国航海;2011年03期
16 张琨;曹宏鑫;严悍;刘凤玉;;支持向量机在网络异常入侵检测中的应用[J];计算机应用研究;2006年05期
17 王庆军;杜冰;;基于粗糙集和支持向量机的人员甄选决策方法[J];电脑知识与技术(学术交流);2007年10期
18 董泽;李鹏;王学厚;周黎辉;;基于粗糙集和支持向量机的汽轮机组故障诊断[J];华北电力大学学报(自然科学版);2008年02期
19 韩利;祁云嵩;王俊;;基于粗糙集的支持向量机微阵列数据分类方法[J];科学技术与工程;2009年01期
20 张文娇;闫德勤;桑雨;;基于支持向量机和粗糙集的图像检索算法[J];计算机工程与应用;2009年16期
中国重要会议论文全文数据库 前10条
1 刘碧森;姚宇;;粗SVM理论及其在税收预测中的应用[A];第三届全国信息获取与处理学术会议论文集[C];2005年
2 杨丽君;郑绳楦;;基于RS和多类SVM的变压器故障诊断[A];第七届青年学术会议论文集[C];2005年
3 李烨;蔡云泽;李远贵;张强;;基于属性约简与依赖度分析改进支持向量机性能[A];第二十三届中国控制会议论文集(下册)[C];2004年
4 张红梅;;基于粗糙集特征约简的SVM集成入侵检测模型[A];2009中国控制与决策会议论文集(3)[C];2009年
5 刘碧森;钟守铭;陈华富;;基于支持向量机与粗糙集理论的信息处理[A];第二届全国信息获取与处理学术会议论文集[C];2004年
6 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
7 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
8 黄淑云;孙兴玉;梁汝萍;邱建丁;;基于小波支持向量机预测蛋白质亚细胞定位研究[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
9 谢湘;匡镜明;;支持向量机在语音识别中的应用研究[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[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 邱道宏;括苍山高速公路隧道岩爆非线性预测研究[D];吉林大学;2008年
2 张宝军;网络入侵检测若干技术研究[D];浙江大学;2010年
3 杜小芳;基于CPFR的农产品采购模型研究[D];华中科技大学;2005年
4 刘育明;动态过程数据的多变量统计监控方法研究[D];浙江大学;2006年
5 栾锋;支持向量机(SVM)和径向基神经网络(RBFNN)方法在化学、环境化学和药物化学中的应用研究[D];兰州大学;2006年
6 孙薇;市场条件下抽水蓄能电站效益综合评价及运营模式研究[D];华北电力大学(河北);2007年
7 常群;支持向量机的核方法及其模型选择[D];哈尔滨工业大学;2007年
8 朱燕飞;锌钡白回转窑煅烧过程智能建模研究[D];华南理工大学;2005年
9 田英杰;支持向量回归机及其应用研究[D];中国农业大学;2005年
10 赵晨;过程控制中的数据挖掘技术研究及其智能控制策略探讨[D];浙江大学;2005年
中国硕士学位论文全文数据库 前10条
1 曾建武;粗糙集理论及故障诊断应用研究[D];浙江大学;2006年
2 周倩;基于RS-SVM的中文文本分类研究[D];天津财经大学;2009年
3 王伟立;客户协同创新伙伴选择研究与应用[D];重庆大学;2008年
4 张文娇;基于SVM和粗糙集的图像检索相关反馈技术研究[D];辽宁师范大学;2009年
5 刘洁;基于支持向量机的网络入侵检测系统研究[D];中南大学;2008年
6 王银;粗糙集和支持向量机在纳税评估中的应用研究[D];重庆大学;2008年
7 叶蔓;结合粗糙集的支持向量机研究及应用[D];青岛大学;2009年
8 李鹏;基于粗糙集和支持向量机的汽轮机振动故障诊断研究[D];华北电力大学(河北);2009年
9 黄舒宁;基于数据挖掘技术的短期电力负荷预测[D];华侨大学;2008年
10 梁宏霞;支持向量机模型研究及应用[D];辽宁师范大学;2009年
中国重要报纸全文数据库 前10条
1 陶智;政务安全:NIPS力克城域网“内讧”[N];中国计算机报;2006年
2 李韬 胡英;UTM热中有冷[N];计算机世界;2006年
3 苏恩泽;网络入侵预警[N];解放军报;2002年
4 ;深层防御保障国税安全[N];中国计算机报;2003年
5 赵毅;IDS产品选购问答[N];中国计算机报;2007年
6 张驰;国华科技依托科技创新建立和谐网络[N];中国高新技术产业导报;2007年
7 钟文;方通网络狙击手Sniper面市[N];国际商报;2003年
8 费宗莲 李刚;UTM:破“墙”而出的多面手[N];中国计算机报;2006年
9 本报记者  吴作鹏;UTM:捧之还是棒之?[N];计算机世界;2006年
10 胡义伟;远东股份进军文化产业唤起遐想[N];上海证券报;2006年
 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