基于支持向量機(jī)的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè).pdf

1、隨著計(jì)算機(jī)的普及，互聯(lián)網(wǎng)已經(jīng)進(jìn)入社會(huì)生產(chǎn)生活的各方面，同時(shí)隨之而來(lái)的網(wǎng)絡(luò)安全問(wèn)題也已經(jīng)成為人們普遍關(guān)注的焦點(diǎn)。網(wǎng)絡(luò)安全態(tài)勢(shì)感知為切實(shí)有效地應(yīng)對(duì)各種網(wǎng)絡(luò)安全問(wèn)題提供了可行的解決方案:針對(duì)復(fù)雜的網(wǎng)絡(luò)環(huán)境和海量的惡意攻擊日志文件，綜合分析針對(duì)網(wǎng)絡(luò)系統(tǒng)各部分的攻擊事件，從宏觀的角度對(duì)網(wǎng)絡(luò)安全態(tài)勢(shì)進(jìn)行評(píng)估，并在此基礎(chǔ)上預(yù)測(cè)將來(lái)的網(wǎng)絡(luò)安全態(tài)勢(shì)信息。為了更加準(zhǔn)確的預(yù)測(cè)網(wǎng)絡(luò)安全態(tài)勢(shì)的發(fā)展趨勢(shì)，本文將時(shí)間序列模型結(jié)合基于支持向量機(jī)(Support Vec

2、tor Machine，SVM)并模擬退火算法結(jié)合交叉驗(yàn)證參數(shù)尋優(yōu)，對(duì)網(wǎng)絡(luò)安全態(tài)勢(shì)進(jìn)行預(yù)測(cè)。
　　支持向量機(jī)作為統(tǒng)計(jì)學(xué)習(xí)理論近年來(lái)最新的理論成果，并成為國(guó)內(nèi)外專家學(xué)者的研究熱點(diǎn)，被廣泛地應(yīng)用于機(jī)器學(xué)習(xí)研究中。本文通過(guò)研究支持向量機(jī)的理論基礎(chǔ)，并根據(jù)實(shí)驗(yàn)數(shù)據(jù)對(duì)象選擇了高斯核作為支持向量機(jī)的核函數(shù)，并進(jìn)一步為建立支持向量機(jī)選擇了多分類算法。支持向量機(jī)對(duì)網(wǎng)絡(luò)安全態(tài)勢(shì)進(jìn)行預(yù)測(cè)的核心思想是處理網(wǎng)絡(luò)系統(tǒng)各傳感器和監(jiān)控部件上檢測(cè)到的非正常事件的

3、日志文件，并使用科學(xué)有效的評(píng)估方法將其量化并處理成安全態(tài)勢(shì)時(shí)間序列數(shù)據(jù)，將得到的時(shí)間序列數(shù)據(jù)作為支持向量機(jī)的訓(xùn)練和預(yù)測(cè)數(shù)據(jù)。松弛變量和懲罰因子是影響支持向量機(jī)分類性能的重要參數(shù)，為了進(jìn)一步提高支持向量機(jī)預(yù)測(cè)的準(zhǔn)確性，采用了模擬退火算法結(jié)合交叉驗(yàn)證尋找支持向量機(jī)模型最優(yōu)參數(shù)。
　　本文實(shí)驗(yàn)是在R語(yǔ)言平臺(tái)下實(shí)現(xiàn)了支持向量機(jī)模型，并選擇MIT林肯實(shí)驗(yàn)室的KDD99數(shù)據(jù)集作為驗(yàn)證預(yù)測(cè)模型的實(shí)驗(yàn)數(shù)據(jù)。實(shí)驗(yàn)證明基于支持向量機(jī)的該預(yù)測(cè)系統(tǒng)對(duì)于網(wǎng)