本文選題：入侵檢測(cè) + D-S融合�。� 參考：《科技通報(bào)》2013年05期

【摘要】：研究網(wǎng)絡(luò)異常入侵檢測(cè)問題。將SVM和融合技術(shù)應(yīng)用于入侵檢測(cè)領(lǐng)域,解決了傳統(tǒng)SVM算法易產(chǎn)生訓(xùn)練參數(shù)選擇不當(dāng),檢測(cè)效率和分類精度低的問題。實(shí)現(xiàn)了對(duì)特征庫中各特征量根據(jù)報(bào)警信息時(shí)間序列的預(yù)測(cè)進(jìn)行優(yōu)化和更新,有效地降低了算法的時(shí)間復(fù)雜度和空間復(fù)雜度,提高入侵檢測(cè)系統(tǒng)對(duì)已有特征量對(duì)應(yīng)攻擊的識(shí)別效率。實(shí)驗(yàn)結(jié)果表明,該融合算法訓(xùn)練時(shí)間短、分類精度高、測(cè)試時(shí)間減少,誤報(bào)率和漏報(bào)率低,有效提高了入侵檢測(cè)系統(tǒng)的準(zhǔn)確性和實(shí)時(shí)性。是一種有效可行的入侵檢測(cè)方法。
[Abstract]:The problem of network anomaly intrusion detection is studied.SVM and fusion techniques are applied to intrusion detection to solve the problems of improper selection of training parameters and low detection efficiency and classification accuracy in the traditional SVM algorithm.The algorithm is optimized and updated according to the prediction of alarm information time series, and the time complexity and space complexity of the algorithm are reduced effectively.Improve the efficiency of intrusion detection system to identify the corresponding attacks of existing features.The experimental results show that the fusion algorithm has the advantages of short training time, high classification accuracy, reduced test time, low false alarm rate and low false alarm rate, which can effectively improve the accuracy and real-time performance of the intrusion detection system.It is an effective and feasible intrusion detection method.
【作者單位】： 黃淮學(xué)院信息工程學(xué)院;
【基金】：河南省科自然科學(xué)項(xiàng)(112102210335)
【分類號(hào)】：TP393.08

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 馮婷;吳建德;袁徐軼;范玉剛;黃國(guó)勇;;基于LLSSVM的MUH高度信息融合技術(shù)的研究[J];傳感器與微系統(tǒng);2011年12期

2 林楊;劉貴全;楊立身;;基于改進(jìn)SVM方法的入侵檢測(cè)[J];計(jì)算機(jī)工程;2007年14期

3 王樹;杜啟軍;余桂賢;余生晨;李廣平;徐亞飛;薛陽;王曉偉;;網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)的最優(yōu)特征選擇方法[J];計(jì)算機(jī)工程;2010年15期

4 吳春瓊;;基于特征選擇的網(wǎng)絡(luò)入侵檢測(cè)模型[J];計(jì)算機(jī)仿真;2012年06期

5 唐朝偉;李超群;燕凱;嚴(yán)鳴;;基于LISOMAP的相關(guān)向量機(jī)入侵檢測(cè)模型[J];計(jì)算機(jī)應(yīng)用;2012年09期

6 閻巍;南洋;;一種改進(jìn)的基于SVM的網(wǎng)絡(luò)入侵檢測(cè)算法[J];科技通報(bào);2012年10期

7 謝雪蓮;楊海波;;SVM在網(wǎng)絡(luò)流量異常檢測(cè)中的應(yīng)用研究[J];計(jì)算機(jī)時(shí)代;2012年09期

8 龔尚福;趙春蘭;厙向陽;;基于R-SVM的網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)[J];計(jì)算機(jī)工程與設(shè)計(jì);2012年10期

【共引文獻(xiàn)】

相關(guān)期刊論文 前7條

1 盧芬;張成新;;路由器中基于支持向量機(jī)(SVM)的異常檢測(cè)方法研究[J];計(jì)算機(jī)安全;2010年01期

2 俞曉冬;周欒愛;;基于改進(jìn)SVM模型的電能質(zhì)量擾動(dòng)分類[J];電力系統(tǒng)保護(hù)與控制;2010年03期

3 王鵬英;黃海;黃曉平;;基于加權(quán)特征篩選的入侵檢測(cè)系統(tǒng)[J];計(jì)算機(jī)科學(xué);2012年01期

4 王春東;陳英輝;常青;鄧全才;王懷彬;;基于特征相似度的貝葉斯網(wǎng)絡(luò)入侵檢測(cè)方法[J];計(jì)算機(jī)工程;2011年21期

5 黃小龍;;改進(jìn)的支持向量機(jī)無線網(wǎng)絡(luò)安全檢測(cè)算法模型[J];科技通報(bào);2012年02期

6 張宗飛;;基于量子進(jìn)化算法的網(wǎng)絡(luò)入侵檢測(cè)特征選擇[J];計(jì)算機(jī)應(yīng)用;2013年05期

7 康松林;周玖玖;李瓊;;入侵檢測(cè)中支持向量機(jī)參數(shù)選擇方法[J];中國(guó)科技論文;2012年10期

相關(guān)碩士學(xué)位論文 前3條

1 王明生;網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)研究[D];北京化工大學(xué);2011年

2 張倩;基于機(jī)器學(xué)習(xí)的入侵檢測(cè)[D];浙江大學(xué);2008年

3 章文明;基于異常概率和隱馬爾科夫模型的資源濫用行為檢測(cè)研究[D];南華大學(xué);2012年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蘇思;姜禮平;鄒明;;基于多分類支持向量機(jī)和證據(jù)合成方法的多傳感器信息融合研究[J];兵工自動(dòng)化;2010年01期

2 楊宏宇;李春林;;采用FA和SVDFRM的SVM入侵檢測(cè)分類模型[J];電子科技大學(xué)學(xué)報(bào);2009年02期

3 張雪芹;顧春華;吳吉義;;異常檢測(cè)中支持向量機(jī)最優(yōu)模型選擇方法[J];電子科技大學(xué)學(xué)報(bào);2011年04期

4 牟永敏;李美貴;梁琦;;入侵檢測(cè)系統(tǒng)中模式匹配算法的研究[J];電子學(xué)報(bào);2006年S1期

5 周鳴爭(zhēng);楚寧;強(qiáng)俊;;基于構(gòu)造性核覆蓋算法的異常入侵檢測(cè)[J];電子學(xué)報(bào);2007年05期

6 高海華;楊輝華;王行愚;;基于PCA和KPCA特征抽取的SVM網(wǎng)絡(luò)入侵檢測(cè)方法[J];華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年03期

7 張雪芹;顧春華;吳吉義;;基于約簡(jiǎn)支持向量機(jī)的快速入侵檢測(cè)算法[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

8 肖海軍;王小非;洪帆;崔國(guó)華;;基于特征選擇和支持向量機(jī)的異常檢測(cè)[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年03期

9 李輝,管曉宏,昝鑫,韓崇昭;基于支持向量機(jī)的網(wǎng)絡(luò)入侵檢測(cè)[J];計(jì)算機(jī)研究與發(fā)展;2003年06期

10 谷雨;徐宗本;孫劍;鄭錦輝;;基于PCA與ICA特征提取的入侵檢測(cè)集成分類系統(tǒng)[J];計(jì)算機(jī)研究與發(fā)展;2006年04期

相關(guān)博士學(xué)位論文 前2條

1 吳艷;多傳感器數(shù)據(jù)融合算法研究[D];西安電子科技大學(xué);2003年

2 張琨;基于生物免疫學(xué)的入侵檢測(cè)系統(tǒng)的研究與實(shí)現(xiàn)[D];南京理工大學(xué);2003年

相關(guān)碩士學(xué)位論文 前1條

1 扶宗文;基于粗糙集與支持向量機(jī)的入侵檢測(cè)研究[D];長(zhǎng)沙理工大學(xué);2010年

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 高海華;楊輝華;王行愚;;基于BPSO-SVM的網(wǎng)絡(luò)入侵特征選擇和檢測(cè)[J];計(jì)算機(jī)工程;2006年08期

2 毛俐e，

本文編號(hào)：1739944