本文選題：云計算　切入點(diǎn)：Hadoop　出處：《華北電力大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：隨著計算機(jī)網(wǎng)絡(luò)的普及和信息技術(shù)的發(fā)展,作為一項(xiàng)新興技術(shù),云計算越來越多地應(yīng)用于社會生活的各個領(lǐng)域。云計算強(qiáng)大的計算能力和存儲資源為眾多企業(yè)和個人帶來便利,而與此同時,它巨大的經(jīng)濟(jì)價值使其成為眾多黑客的攻擊目標(biāo)。如今,云安全問題已成為云計算發(fā)展過程中面臨的頭號挑戰(zhàn)。面對新型的安全威脅,如何保障云環(huán)境的信息安全,是當(dāng)前態(tài)勢下亟待解決的課題。入侵檢測系統(tǒng)是動態(tài)網(wǎng)絡(luò)安全防護(hù)的重要手段,基于云計算的入侵檢測系統(tǒng)已成為云安全體系重要的組成部分,云環(huán)境下的入侵檢測系統(tǒng)也是入侵檢測和云計算領(lǐng)域新的發(fā)展方向。本文分析了入侵檢測技術(shù)以及云計算的特點(diǎn),結(jié)合云環(huán)境的安全需求,基于通用的入侵檢測標(biāo)準(zhǔn)模型CIDF,設(shè)計了一個云環(huán)境下的入侵檢測系統(tǒng)模型。入侵檢測核心算法部分,在人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,引入了自組織特征映射SOM神經(jīng)網(wǎng)絡(luò)�？紤]到SOM神經(jīng)網(wǎng)絡(luò)連接權(quán)向量的隨機(jī)初始化可能降低入侵檢測效率,為此提出優(yōu)化算法。利用引入模擬退火思想的微粒群算法得到一組全局最優(yōu)解,將其作為SOM神經(jīng)網(wǎng)絡(luò)的初始連接權(quán)向量,然后使用SOM神經(jīng)網(wǎng)絡(luò)進(jìn)行模式的訓(xùn)練和分類。搭建Hadoop云平臺,部署設(shè)計的云環(huán)境下入侵檢測系統(tǒng)模型。將優(yōu)化后的入侵檢測算法與MapReduce編程模型相結(jié)合,實(shí)現(xiàn)算法的并行化。通過對比實(shí)驗(yàn)驗(yàn)證優(yōu)化算法能有效提高入侵檢測效率,保障云環(huán)境安全。
[Abstract]:With the popularization of computer network and the development of information technology, as a new technology, cloud computing is more and more used in various fields of social life. Cloud computing has powerful computing power and storage resources to bring convenience to many enterprises and individuals. At the same time, its huge economic value makes it the target of many hackers. Nowadays, cloud security has become the number one challenge in the development of cloud computing. How to ensure the information security of cloud environment is an urgent task to be solved. Intrusion detection system (IDS) is an important means of dynamic network security protection. Intrusion detection system based on cloud computing has become an important part of cloud security system. Intrusion detection system in cloud environment is also a new development direction in intrusion detection and cloud computing. This paper analyzes the characteristics of intrusion detection technology and cloud computing, combined with the security requirements of cloud environment. Based on CIDF, a model of intrusion detection system in cloud environment is designed. The core algorithm of intrusion detection is based on artificial neural network. The self-organizing feature mapping SOM neural network is introduced. Considering that the random initialization of the connection weight vector of SOM neural network may reduce the efficiency of intrusion detection. For this purpose, an optimization algorithm is proposed. A set of global optimal solutions are obtained by using the particle swarm optimization (PSO) algorithm with the idea of simulated annealing as the initial join weight vector of the SOM neural network. Then the SOM neural network is used to train and classify the patterns. The Hadoop cloud platform is built and the designed intrusion detection system model is deployed in the cloud environment. The optimized intrusion detection algorithm is combined with the MapReduce programming model. The parallel algorithm is realized, and the optimization algorithm is proved to be effective in improving the efficiency of intrusion detection and ensuring the security of cloud environment.
【學(xué)位授予單位】：華北電力大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP393.08

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳欣欣;文志誠;葉健健;李長云;滿君豐;;基于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)入侵檢測方法研究[J];微型機(jī)與應(yīng)用;2014年22期

2 吳劍;馮國瑞;;基于模擬退火和半監(jiān)督聚類的入侵檢測方法[J];計算機(jī)與現(xiàn)代化;2014年11期

3 徐守坤;王薇;樂光學(xué);;IWO-Kohonen聚類算法在IDS中的應(yīng)用[J];計算機(jī)工程;2014年01期

4 趙艷君;魏明軍;;改進(jìn)數(shù)據(jù)挖掘算法在入侵檢測系統(tǒng)中的應(yīng)用[J];計算機(jī)工程與應(yīng)用;2013年18期

5 于海濤;李梓;王振福;方晶;;入侵檢測相關(guān)技術(shù)的研究[J];智能計算機(jī)與應(yīng)用;2013年02期

6 冉旭;鐘鳴;程放;許勇;劉佳;;云計算安全防護(hù)體系研究[J];信息通信;2013年01期

7 朱晨杰;楊永麗;;基于MapReduce的BP神經(jīng)網(wǎng)絡(luò)算法研究[J];微型電腦應(yīng)用;2012年10期

8 張人上;;基于專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)入侵檢測系統(tǒng)[J];計算機(jī)仿真;2012年09期

9 陳丹偉;侯楠;孫國梓;;一種基于改進(jìn)流形學(xué)習(xí)方法的云計算入侵檢測模型[J];計算機(jī)科學(xué);2010年10期

10 涂曉芝;顏學(xué)峰;錢鋒;;PSO-SOM分類判別研究及其應(yīng)用[J];高技術(shù)通訊;2006年10期

相關(guān)博士學(xué)位論文 前1條

1 譚秀輝;自組織神經(jīng)網(wǎng)絡(luò)在信息處理中的應(yīng)用研究[D];中北大學(xué);2015年

相關(guān)碩士學(xué)位論文 前9條

1 劉伉伉;云計算環(huán)境下入侵檢測技術(shù)的研究[D];山東師范大學(xué);2015年

2 齊玉珠;基于云計算的入侵檢測技術(shù)研究[D];南京郵電大學(xué);2014年

3 宋詩陽;基于人工免疫的入侵檢測模型在云計算平臺下的研究[D];暨南大學(xué);2013年

4 鄧宇樂;基于云計算的入侵檢測算法研究與分析[D];浙江工業(yè)大學(xué);2013年

5 侯梅菊;計算智能技術(shù)在入侵檢測系統(tǒng)中的應(yīng)用研究[D];重慶大學(xué);2012年

6 呂榮;基于SOM的分布式入侵檢測算法研究[D];吉林大學(xué);2011年

7 戴金輝;基于混合神經(jīng)網(wǎng)絡(luò)的入侵檢測技術(shù)的研究[D];東北大學(xué);2010年

8 劉曉剛;群體智能算法在RBF神經(jīng)網(wǎng)絡(luò)中的應(yīng)用[D];青島大學(xué);2008年

9 張愛明;基于自組織特征映射的入侵檢測算法研究[D];華中科技大學(xué);2007年

，

本文編號：1621680