基于半監(jiān)督優(yōu)化分類的入侵檢測方法研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的日益發(fā)展，網(wǎng)絡(luò)安全問題日益突出?；谥鲃臃烙娜肭謾z測系統(tǒng)是傳統(tǒng)安全防御方法的一種補(bǔ)充機(jī)制，對計算機(jī)和網(wǎng)絡(luò)的安全防護(hù)起著重要作用。半監(jiān)督支持向量機(jī)是機(jī)器學(xué)習(xí)的研究熱點之一，其應(yīng)用前景已經(jīng)受到國內(nèi)外專家學(xué)者的廣泛關(guān)注。
　　本文對目前基于半監(jiān)督支持向量機(jī)的入侵檢測方法的優(yōu)缺點進(jìn)行了分析研究，并結(jié)合入侵檢測系統(tǒng)自身的特點，對此方法進(jìn)行了改進(jìn)。論文首先詳細(xì)闡述了入侵檢測的相關(guān)理論知識，總結(jié)了入侵檢測系統(tǒng)的問題和研究方向。然

2、后系統(tǒng)介紹了半監(jiān)督學(xué)習(xí)以及支持向量機(jī)的技術(shù)背景和理論基礎(chǔ)。在訓(xùn)練集含有大量無標(biāo)記樣本和少量已標(biāo)記樣本情況下，傳統(tǒng)半監(jiān)督支持向量機(jī)通常會學(xué)習(xí)出多個分類決策面，然而基于數(shù)量有限的已標(biāo)記樣本，很難決定哪個分類決策面是最優(yōu)的；另外算法在支持向量機(jī)訓(xùn)練部分，只有占訓(xùn)練集很小比例的支持向量對模型學(xué)習(xí)有貢獻(xiàn)作用。針對以上問題，本文提出一種基于半監(jiān)督優(yōu)化分類的入侵檢測方法MLL_S3VM(MultipleLarge-marginLow-densityS