本文選題：入侵檢測(cè) + 人工免疫�。� 參考：《哈爾濱理工大學(xué)》2014年碩士論文

【摘要】：隨著網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，網(wǎng)絡(luò)安全問(wèn)題也越來(lái)越突出，傳統(tǒng)的入侵檢測(cè)技術(shù)已經(jīng)很難應(yīng)付各種復(fù)雜的網(wǎng)絡(luò)攻擊。免疫系統(tǒng)具有的自適應(yīng)、自組織和分布性正是傳統(tǒng)的入侵檢測(cè)技術(shù)所期望的特性。因此，基于免疫的入侵檢測(cè)技術(shù)已經(jīng)引起了越來(lái)越多的專(zhuān)家學(xué)者的關(guān)注。 入侵檢測(cè)系統(tǒng)經(jīng)常要面對(duì)大量的大規(guī)模的數(shù)據(jù)，免疫入侵檢測(cè)系統(tǒng)也不例外。免疫入侵檢測(cè)中用來(lái)完成檢測(cè)功能的組件主要是檢測(cè)器，它的性能直接影響檢測(cè)的效果，而實(shí)值檢測(cè)器在處理高維數(shù)據(jù)時(shí)表現(xiàn)的效果較差。針對(duì)這個(gè)問(wèn)題，本文將文本分類(lèi)研究中的信息增益理論引入到的免疫入侵檢測(cè)中。 首先，通過(guò)對(duì)高維空間中維數(shù)災(zāi)難問(wèn)題的分析，總結(jié)了實(shí)值檢測(cè)器在高維空間中性能較差的主要原因。高維空間中實(shí)值檢測(cè)器的檢測(cè)范圍小而且分布不均勻，本文采用了信息增益的屬性選擇來(lái)控制檢測(cè)器/自體集的維度，使形態(tài)空間保持在一個(gè)合理的維度內(nèi)。 其次，針對(duì)實(shí)值檢測(cè)器處理高維數(shù)據(jù)性能較差的問(wèn)題，，本文提出了基于信息增益的檢測(cè)器生成算法，通過(guò)選取信息增益大的屬性組合成新的特征空間，并在新的特征空間中訓(xùn)練生成檢測(cè)器，使得檢測(cè)器可以在低維空間中對(duì)高維數(shù)據(jù)進(jìn)行異常檢測(cè)。 最后，通過(guò)離線(xiàn)數(shù)據(jù)集Kddcup99驗(yàn)證了本文提出的基于信息增益的檢測(cè)器生成算法的有效性。
[Abstract]:With the rapid development of network technology, network security problems become more and more prominent. Traditional intrusion detection technology has been difficult to cope with various complex network attacks.The adaptive self-organization and distribution of immune system are the expected characteristics of traditional intrusion detection technology.Therefore, immune-based intrusion detection technology has attracted more and more attention of experts and scholars.Intrusion detection systems often face a large number of large-scale data, immune intrusion detection system is no exception.In immune intrusion detection, the main component used to complete the detection function is the detector. Its performance directly affects the detection effect, but the real value detector has a poor performance in dealing with high-dimensional data.To solve this problem, the information gain theory of text classification is introduced into the immune intrusion detection.Firstly, by analyzing the problem of dimensionality disaster in high dimensional space, the main reasons for the poor performance of real value detector in high dimensional space are summarized.In high dimensional space, the detection range of real value detector is small and the distribution is uneven. In this paper, the attribute selection of information gain is used to control the dimension of detector / self-set to keep the morphological space within a reasonable dimension.Secondly, aiming at the problem of poor performance of real value detector in dealing with high dimensional data, a detector generation algorithm based on information gain is proposed in this paper, which combines attributes with large information gain into a new feature space.The generation detector is trained in the new feature space to detect the anomaly of the high-dimensional data in the low-dimensional space.Finally, the effectiveness of the proposed detector generation algorithm based on information gain is verified by off-line data set Kddcup99.
【學(xué)位授予單位】：哈爾濱理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：TP393.08

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫靖杰;趙建軍;楊利斌;桑德一;姚剛;;一種人工免疫分類(lèi)方法在故障診斷中的應(yīng)用[J];計(jì)算機(jī)工程;2013年08期

2 戚玉濤;劉芳;常偉遠(yuǎn);馬曉亮;焦李成;;求解多目標(biāo)問(wèn)題的Memetic免疫優(yōu)化算法[J];軟件學(xué)報(bào);2013年07期

3 張鳳斌;王天博;;實(shí)值n維混沌映射否定選擇算法[J];計(jì)算機(jī)研究與發(fā)展;2013年07期

4 張振海;李士寧;李志剛;陳昊;;一類(lèi)基于信息熵的多標(biāo)簽特征選擇算法[J];計(jì)算機(jī)研究與發(fā)展;2013年06期

5 陳文;李濤;劉曉潔;張冰;;一種基于自體集層次聚類(lèi)的否定選擇算法[J];中國(guó)科學(xué):信息科學(xué);2013年05期

6 任永功;楊榮杰;尹明飛;馬名威;;基于信息增益的文本特征選擇方法[J];計(jì)算機(jī)科學(xué);2012年11期

7 陳岳兵;馮超;張權(quán);唐朝京;;面向入侵檢測(cè)的集成人工免疫系統(tǒng)[J];通信學(xué)報(bào);2012年02期

8 張鳳斌;席亮;王大偉;岳新;;鄰域形態(tài)空間與檢測(cè)算法[J];控制與決策;2011年10期

9 脫建勇;李秀;任守榘;劉文煌;;基于人工免疫聚類(lèi)的欺詐客戶(hù)分析[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年07期

10 鄧澤林;譚冠政;范必雙;傅明;;免疫分類(lèi)研究進(jìn)展[J];計(jì)算機(jī)工程與應(yīng)用;2011年16期

本文編號(hào)：1767535