

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、隨著計算機網(wǎng)絡(luò)的快速發(fā)展,網(wǎng)絡(luò)安全問題日益突出。依靠傳統(tǒng)的數(shù)據(jù)加密、防火墻、安全認證、反病毒等安全技術(shù),不足以抵抗現(xiàn)代的入侵與維護系統(tǒng)的安全。近年來入侵檢測(Intrusion Detection)的思想被提了出來,并逐漸成為研究熱點。
入侵檢測技術(shù)通常采用機器學(xué)習(xí)等“主動”學(xué)習(xí)策略,通過建立檢測模型,檢測主機或網(wǎng)絡(luò)中可能的攻擊行為。本文在分析已有的SVM算法和入侵檢測算法的基礎(chǔ)上,完成了基于KNN-SVM的網(wǎng)絡(luò)入侵檢測技
2、術(shù)的研究,構(gòu)造了一個適合網(wǎng)絡(luò)入侵檢測系統(tǒng)的分類器。本文主要對以下幾個問題進行了研究:
1.入侵類型分類器的選擇本文做了一些實驗,對比常用的神經(jīng)網(wǎng)絡(luò)分類器與SVM的性能,SVM分類器運算速度,對訓(xùn)練樣本數(shù)不敏感,特征維數(shù)的增加也不會增加其分類的復(fù)雜性等性能優(yōu)勢。同時也通過實驗驗證了將SVM應(yīng)用于入侵檢測的可行性。
2.入侵數(shù)據(jù)特征空間選擇對于SVM而言。特征選擇后可以較大地提高其識別速度,而速度對入侵檢測系統(tǒng)走
3、向?qū)嵱糜兄匾默F(xiàn)實意義。在保證分類器的泛化能力的前提下,期望用最少的特征構(gòu)造分類器,這就是特征選擇,本文利用特征選擇的方法,簡化SVM分類器,并構(gòu)造了更加具有針對性的子分類器。
3.建立入侵檢測框架模型參考通用入侵檢測框架,設(shè)計了一個基于KNN-SVM的入侵檢測系統(tǒng)模型,并實現(xiàn)了部分模塊。應(yīng)用KNN分類器來應(yīng)對數(shù)據(jù)樣本不平衡所帶來的分類誤差,同時應(yīng)用SVM的泛化能力對提升系統(tǒng)的自適應(yīng)性。
4.增量學(xué)習(xí)方法在
4、入侵檢測中的應(yīng)用研究增量學(xué)習(xí)算法都能夠舍棄無用的樣本,保留絕大部分可能編程支持向量的樣本,同時也保證了分類的精度。對比于傳統(tǒng)的SVM重復(fù)學(xué)習(xí)的方法它的訓(xùn)練集只是在原樣本和新增樣本的簡單合并,其訓(xùn)練的時間復(fù)雜度隨著樣本集合的不斷地增大而變得無休止地復(fù)雜。而采用增量學(xué)習(xí)方法卻可以在新增樣本增加后不斷發(fā)現(xiàn)新的支持向量,舍棄無用樣本,有效地壓縮樣本集大小。這無疑就體現(xiàn)了增量學(xué)習(xí)方法的優(yōu)越性性能。
本文將增量學(xué)習(xí)的方法應(yīng)用于SVM入
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于KNN-SVM的指紋分類方法研究.pdf
- 基于改進KNN算法的網(wǎng)絡(luò)入侵檢測技術(shù)研究.pdf
- 基于半監(jiān)督的SVM-KNN及其在入侵檢測中的應(yīng)用.pdf
- 基于Gabor-PCA和KNN-SVM的人臉識別算法.pdf
- 提高基于SVM的網(wǎng)絡(luò)入侵檢測性能的研究.pdf
- 基于ICPSO-SVM的網(wǎng)絡(luò)入侵檢測研究.pdf
- 基于改進SVM的網(wǎng)絡(luò)入侵檢測算法研究.pdf
- 基于SVM的半監(jiān)督網(wǎng)絡(luò)入侵檢測系統(tǒng).pdf
- 基于PSO-SVM算法的網(wǎng)絡(luò)入侵檢測關(guān)鍵技術(shù)研究.pdf
- 基于SNORT的網(wǎng)絡(luò)入侵檢測系統(tǒng)的應(yīng)用研究.pdf
- 模糊技術(shù)在網(wǎng)絡(luò)入侵檢測中的應(yīng)用研究.pdf
- 基于數(shù)據(jù)挖掘的入侵檢測技術(shù)應(yīng)用研究.pdf
- 基于負載均衡的入侵檢測技術(shù)應(yīng)用研究.pdf
- 基于SVM的電信客戶欺詐檢測技術(shù)應(yīng)用研究.pdf
- 基于半監(jiān)督SVM的入侵檢測研究.pdf
- 基于SVM的增量入侵檢測方法研究.pdf
- 基于SVM的入侵檢測性能改進研究.pdf
- 基于SVM的入侵檢測系統(tǒng)研究.pdf
- 基于分類的入侵檢測技術(shù)及應(yīng)用研究.pdf
- 高速網(wǎng)絡(luò)入侵檢測系統(tǒng)的應(yīng)用研究.pdf
評論
0/150
提交評論