基于多分類器的入侵檢測技術研究.pdf

1、隨著黑客攻擊事件的頻繁增加，網(wǎng)絡安全的要求迫在眉睫。入侵檢測技術是一種多層次多深度的網(wǎng)絡防護手段，是目前安全技術研究的熱點。獲得高的檢測率不可置疑是入侵檢測系統(tǒng)的任務所在。本文工作的主要內容就在于對基于多分類器的入侵檢測系統(tǒng)的分析方法、體系設計等的初步探索。 本文首先對AdaBoost算法作了詳細的分析。它是一種有效的分類器組合方法，它用某個分類算法生成一系列的基分類器，每個基分類器的訓練依賴于在其之前產(chǎn)生的分類器的分類結果，基

2、分類器在訓練集上的錯誤率用于調整訓練樣本的概率分布，最終分類器通過單個基分類器的加權投票建立起來。 在此基礎上本文設計并實現(xiàn)了一種新的基于AdaBoost的多分類器入侵分析方法。在該方法系統(tǒng)中，首先對特征提取理論中的PCA算法作了深入探討，并且用該方法對系統(tǒng)所用的數(shù)據(jù)集進行預處理，將數(shù)據(jù)從高維向低維做影射，提高系統(tǒng)的識別率與檢測的效率。其次對作為該AdaBoost的基分類算法一一BP神經(jīng)網(wǎng)絡作了詳細的討論，并成功地構造出適合于入