本文關(guān)鍵詞：基于D-S證據(jù)理論的沖突證據(jù)分析研究

  更多相關(guān)文章： D-S證據(jù)理論 凝聚式層次聚類算法 證據(jù)融合 沖突證據(jù) 證據(jù)分析

【摘要】：互聯(lián)網(wǎng)自由性、開放性、虛擬性,為犯罪分子肆意傳播非法內(nèi)容、非法獲取網(wǎng)絡(luò)資源創(chuàng)造了機會。我們的電腦每天都與外界進(jìn)行大量的信息交流、數(shù)據(jù)訪問,甚至遭受來自其他電腦的攻擊,這期間都會留下各種各樣的痕跡,如何從這海量的數(shù)據(jù)中獲取有價值的信息、有效識別外來攻擊,成為當(dāng)前取證分析技術(shù)領(lǐng)域研究的熱點。顯然傳統(tǒng)的取證方法很難依據(jù)相關(guān)技術(shù)找到證明某個事實的依據(jù),在這種情況下,高效的計算機取證技術(shù)應(yīng)運而生。計算機取證涉及到對證據(jù)的預(yù)處理、證據(jù)融合等分析方法,而當(dāng)前對證據(jù)預(yù)處理的準(zhǔn)確性不高以及證據(jù)融合有效性差等問題都在一定程度上降低了證據(jù)的可信度。為此本文從證據(jù)預(yù)處理、證據(jù)融合兩個方面入手,首先采用改進(jìn)的層次聚類算法對證據(jù)進(jìn)行預(yù)處理,用以解決證據(jù)量過大、證據(jù)信息過于復(fù)雜的問題;然后采用改進(jìn)證據(jù)組合規(guī)則的證據(jù)理論,用以解決當(dāng)前證據(jù)融合過程中一票否決、沖突證據(jù)難以有效融合的問題。本文主要做了以下幾點工作:(1)針對層次聚類算法在距離度量方面的不足,提出一種基于全局距離度量的層次聚類算法。分析現(xiàn)有層次聚類算法存在的問題,介紹了層次聚類算法中用到的距離度量方法——全局距離度量,以及層次聚類算法中常用的一種方式——凝聚式,鑒于以上兩點提出了基于全局距離度量的凝聚式層次聚類算法,該算法通過最大化目標(biāo)函數(shù)達(dá)到全局最優(yōu),實現(xiàn)了對不同密度數(shù)據(jù)的有效聚類。(2)對證據(jù)理論基本概率進(jìn)行再分配,實現(xiàn)對沖突證據(jù)和低可信度證據(jù)的有效融合。分析D-S證據(jù)理論的相關(guān)知識,對其基本概念、組合規(guī)則、以及存在的問題進(jìn)行分析。鑒于其在高沖突證據(jù)融合過程可信度不高的問題,提出一種改進(jìn)的證據(jù)理論組合方法,該方法首先對沖突證據(jù)進(jìn)行識別,然后對其進(jìn)行基本概率再分配處理,即對每個沖突證據(jù)在融合過程中加上不同的權(quán)值;最后利用傳統(tǒng)的D-S證據(jù)規(guī)則對處理好的證據(jù)進(jìn)行融合,以實現(xiàn)在不丟棄有效信息的情況下獲得有效的融合結(jié)果。(3)設(shè)計基于D-S證據(jù)理論的沖突證據(jù)分析系統(tǒng)框架,實現(xiàn)對KDD CUP99數(shù)據(jù)的融合分析。對采集到的數(shù)量龐大、數(shù)據(jù)類型不統(tǒng)一的原始數(shù)據(jù)利用基于全局距離度量的凝聚式層次聚類算法進(jìn)行聚類預(yù)處理,減少證據(jù)體的數(shù)目;然后利用改進(jìn)的證據(jù)組合規(guī)則進(jìn)行融合處理,獲取合理有效的證據(jù)分析結(jié)果。通過構(gòu)建沖突證據(jù)分析模型對用戶提交到服務(wù)器端的KDD CUP99數(shù)據(jù)進(jìn)行先聚類、后融合的處理,以此來驗證本文提出的沖突證據(jù)分析系統(tǒng)在證據(jù)分析方面的有效性。
【學(xué)位授予單位】：山東師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP202;D918.2

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前3條

1 高建新;李益敏;侯崢嶸;;基于D-S證據(jù)理論和灰色系統(tǒng)理論的軍事物資供應(yīng)商選擇方法研究[J];物流技術(shù);2009年12期

2 陳向勇;公茂水;井元偉;;基于D-S證據(jù)理論的不完全信息作戰(zhàn)方案優(yōu)選[J];東北大學(xué)學(xué)報(自然科學(xué)版);2012年08期

3 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 胡玉蘭;范曉靜;;基于D-S證據(jù)理論改進(jìn)方法的目標(biāo)識別[A];第二十七屆中國控制會議論文集[C];2008年

2 佘二永;;一種基于D-S證據(jù)理論的高光譜圖像分類方法[A];2009年通信理論與信號處理學(xué)術(shù)年會論文集[C];2009年

3 楊帆;浦昭邦;劉國棟;;基于D-S證據(jù)理論的多指紋數(shù)據(jù)融合[A];首屆信息獲取與處理學(xué)術(shù)會議論文集[C];2003年

4 肖云;彭進(jìn)業(yè);王選宏;趙健;;基于D-S證據(jù)理論的漏洞動態(tài)嚴(yán)重性分析[A];第二十九屆中國控制會議論文集[C];2010年

5 邊寶峰;馬平;;基于模糊神經(jīng)網(wǎng)絡(luò)和D-S證據(jù)理論的信息融合方法的研究[A];第二十三屆中國控制會議論文集（下冊）[C];2004年

6 王勇平;楊曉段;李元左;;基于D-S證據(jù)理論的裝備質(zhì)量管理風(fēng)險評估模型[A];第九屆中國軟科學(xué)學(xué)術(shù)年會論文集（上冊）[C];2013年

7 楊帆;浦照邦;劉國棟;;基于D-S證據(jù)理論的多指紋數(shù)據(jù)融合[A];全面建設(shè)小康社會：中國科技工作者的歷史責(zé)任——中國科協(xié)2003年學(xué)術(shù)年會論文集（上）[C];2003年

8 張佑春;王平;張公永;;基于D-S證據(jù)理論和神經(jīng)網(wǎng)絡(luò)的信息融合方法及應(yīng)用[A];第二十七屆中國控制會議論文集[C];2008年

9 周潯;王曉麗;;粗BP神經(jīng)網(wǎng)絡(luò)和D-S證據(jù)理論在目標(biāo)識別中的應(yīng)用[A];第十九屆測控、計量、儀器儀表學(xué)術(shù)年會(MCMI'2009)論文集[C];2009年

10 杜瀊;李秋華;;基于D-S證據(jù)理論的紅外雙波段圖像目標(biāo)融合分割[A];2009年先進(jìn)光學(xué)技術(shù)及其應(yīng)用研討會論文集（上冊）[C];2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 李菁;基于D-S證據(jù)理論的殘疾人體育器材研發(fā)中評價模型的構(gòu)建[D];上海體育學(xué)院;2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 蔡斌斌;基于D-S證據(jù)理論的多準(zhǔn)則特征集優(yōu)選方法[D];西南交通大學(xué);2015年

2 高麗娟;基于改進(jìn)的D-S證據(jù)理論的航空電源故障診斷[D];安徽工程大學(xué);2015年

3 程子成;D-S證據(jù)理論中信任函數(shù)概率逼近方法研究[D];江西師范大學(xué);2015年

4 溫迪;基于D-S證據(jù)理論的航空發(fā)動機氣路故障信息融合與FMECA分析[D];電子科技大學(xué);2014年

5 秦鵬;基于最小二乘支持向量機和D-S證據(jù)理論的電力變壓器故障診斷研究[D];蘭州交通大學(xué);2015年

6 鹿高娜;基于D-S證據(jù)理論的融合事件檢測算法研究[D];北京交通大學(xué);2016年

7 周天豪;基于D-S證據(jù)理論的私有云入侵檢測系統(tǒng)[D];北京交通大學(xué);2016年

8 郭心宇;基于D-S證據(jù)理論的海量評價數(shù)據(jù)分析及用戶偏好發(fā)現(xiàn)[D];云南大學(xué);2016年

9 劉丹;基于D-S證據(jù)理論的白水河滑坡狀態(tài)躍遷研究[D];中國地質(zhì)大學(xué);2016年

10 劉芳;基于D-S證據(jù)理論的沖突證據(jù)分析研究[D];山東師范大學(xué);2016年

，

本文編號：1303901