本文關(guān)鍵詞：基于支持向量機(jī)的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)

  更多相關(guān)文章： 網(wǎng)絡(luò)安全態(tài)勢(shì) 支持向量機(jī) 模擬退火算法 交叉驗(yàn)證 KDD99數(shù)據(jù)集

【摘要】：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)隨之而來的網(wǎng)絡(luò)安全問題也已經(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 Vector 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)理論近年來最新的理論成果,并成為國內(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)絡(luò)安全態(tài)勢(shì)的預(yù)測(cè)有較高的可行度,并且通過模擬退火算法得出的參數(shù)與傳統(tǒng)的交叉驗(yàn)證進(jìn)行比較,證明模擬退火算法結(jié)合交叉驗(yàn)證相對(duì)于傳統(tǒng)交叉檢驗(yàn)和支持向量機(jī)默認(rèn)參數(shù)等常規(guī)參數(shù)獲得方法,對(duì)于預(yù)測(cè)系統(tǒng)對(duì)網(wǎng)絡(luò)安全態(tài)勢(shì)的預(yù)測(cè)準(zhǔn)確性有明顯提高,并且基于支持向量機(jī)的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法對(duì)于網(wǎng)絡(luò)安全態(tài)勢(shì)的預(yù)測(cè)有較高的可行度,在實(shí)際網(wǎng)絡(luò)安全態(tài)勢(shì)感知應(yīng)用中具有一定的研究和實(shí)用價(jià)值。
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP393.08;TP18

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前6條

1 吳國強(qiáng);;網(wǎng)絡(luò)安全評(píng)估的研究[J];信息安全與技術(shù);2012年01期

2 李永利,劉貴忠,王海軍,尚趙偉;自相似數(shù)據(jù)流的Hurst指數(shù)小波求解法分析[J];電子與信息學(xué)報(bào);2003年01期

3 任偉;蔣興浩;孫錟鋒;;基于RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法[J];計(jì)算機(jī)工程與應(yīng)用;2006年31期

4 徐凌;劉嘉q;李亮;;自相似網(wǎng)絡(luò)流量Hurst指數(shù)估計(jì)算法[J];科學(xué)技術(shù)與工程;2013年20期

5 陳秀真;鄭慶華;管曉宏;林晨光;;層次化網(wǎng)絡(luò)安全威脅態(tài)勢(shì)量化評(píng)估方法[J];軟件學(xué)報(bào);2006年04期

6 張繼軍;馬登武;鄧力;范庚;;LS-SVM參數(shù)估計(jì)與稀疏化方法研究及應(yīng)用[J];系統(tǒng)仿真學(xué)報(bào);2014年05期

中國重要報(bào)紙全文數(shù)據(jù)庫 前1條

1 潘柱廷;[N];中國計(jì)算機(jī)報(bào);2001年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 張勇;網(wǎng)絡(luò)安全態(tài)勢(shì)感知模型研究與系統(tǒng)實(shí)現(xiàn)[D];中國科學(xué)技術(shù)大學(xué);2010年

2 孟錦;網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估與預(yù)測(cè)關(guān)鍵技術(shù)研究[D];南京理工大學(xué);2012年

，

本文編號(hào)：1242694