基于進(jìn)化算法的入侵檢測(cè)技術(shù)研究.pdf

1、隨著計(jì)算機(jī)技術(shù)和通信技術(shù)的發(fā)展，由入侵而造成的損失以及和計(jì)算機(jī)相關(guān)的犯罪也急劇增加。因此，網(wǎng)絡(luò)安全即確保系統(tǒng)按照預(yù)期目標(biāo)正常、穩(wěn)定的運(yùn)行，成為人們關(guān)注的焦點(diǎn)。入侵檢測(cè)系統(tǒng)(IDS)是從計(jì)算機(jī)或網(wǎng)絡(luò)中抽取信息，用以檢測(cè)來自于系統(tǒng)外部的入侵者和內(nèi)部人員對(duì)系統(tǒng)的誤用。 入侵檢測(cè)實(shí)際上是把異常數(shù)據(jù)從正常數(shù)據(jù)中抽取出來，從而識(shí)別入侵。因此入侵檢測(cè)問題可以轉(zhuǎn)化成數(shù)據(jù)的最優(yōu)分類問題，也就是找到正確分類數(shù)據(jù)的最優(yōu)解。而進(jìn)化算法是模擬自然進(jìn)化過程

2、，從隨機(jī)產(chǎn)生的一群個(gè)體出發(fā)，采用“適者生存”的進(jìn)化機(jī)制，最后收斂到最優(yōu)解。針對(duì)復(fù)雜問題，進(jìn)化優(yōu)化算法具有很強(qiáng)的搜索能力和最優(yōu)化性能。所以，可以使用進(jìn)化算法來解決入侵檢測(cè)中數(shù)據(jù)分類問題以及和分類有關(guān)的參數(shù)確定問題。以此來提高檢測(cè)率和降低誤報(bào)率。 本論文的主要研究工作如下： ①從入侵檢測(cè)研究的背景和發(fā)展歷程出發(fā)，介紹了入侵和入侵檢測(cè)的基本概念和原理，闡述了將進(jìn)化算法引入入侵檢測(cè)的可行性。 ②入侵檢測(cè)前分析輸入數(shù)據(jù)的特

3、征是很有必要的。論文中介紹了現(xiàn)有的特征選擇方法，分析了粒子群算法中參數(shù)對(duì)算法性能的影響，并使用免疫粒子群進(jìn)化算法對(duì)特征進(jìn)行選擇，消除冗余屬性、降低問題規(guī)模、提高數(shù)據(jù)分類質(zhì)量、加快數(shù)據(jù)處理速度。提出了使用二進(jìn)制字符串序列來表示粒子位置，解釋了位置和速度的更新方法以及適應(yīng)度函數(shù)的選擇，進(jìn)而獲得了較理想的特征子集。 ③已有的許多入侵檢測(cè)方法需要對(duì)大量已標(biāo)識(shí)的數(shù)據(jù)進(jìn)行訓(xùn)練和學(xué)習(xí)，因此不可避免地造成了對(duì)訓(xùn)練數(shù)據(jù)集的強(qiáng)烈依賴性，訓(xùn)練數(shù)據(jù)集的

4、分布特征也會(huì)影響檢測(cè)算法的性能。此外，帶標(biāo)識(shí)的訓(xùn)練數(shù)據(jù)集的獲取在現(xiàn)實(shí)環(huán)境中很難保證，而且也無法保證得到的標(biāo)簽數(shù)據(jù)能夠覆蓋所有可能出現(xiàn)的攻擊。論文中提出使用聚類和混沌模擬退火算法進(jìn)行網(wǎng)絡(luò)入侵檢測(cè)——NIDCCSA算法，NIDCCSA算法充分利用了混沌的遍歷性特點(diǎn)進(jìn)行狀態(tài)的變換，這樣的混沌模擬退火算法更加可能收斂到全局最優(yōu)解，從而提高檢測(cè)率。同時(shí)，也分析了NIDCCSA算法中參數(shù)對(duì)算法性能的影響。 ④傳統(tǒng)的入侵檢測(cè)算法往往對(duì)高維數(shù)據(jù)

5、無法檢測(cè)或者檢測(cè)效率很低。因此，論文中提出了一種基于支持向量機(jī)和量子進(jìn)化算法的網(wǎng)絡(luò)入侵檢測(cè)算法——NIDSVMQEA，NIDSVMQEA算法可以有效地克服維數(shù)敏感問題。在使用NIDSVMQEA算法之前，論文中首先使用K-MEANS聚類算法對(duì)數(shù)據(jù)做一個(gè)初步的劃分；然后考察每個(gè)類中數(shù)據(jù)的標(biāo)識(shí)，只有當(dāng)類中的數(shù)據(jù)標(biāo)識(shí)不止一個(gè)時(shí)才進(jìn)行支持向量的查找；使用檢測(cè)率這樣的適應(yīng)度函數(shù)來考察支持向量機(jī)模型的有效性；而最優(yōu)支持向量機(jī)模型的確定過程是一個(gè)使用Q