【摘要】：醫(yī)院外聯(lián)平臺信息化建設的必經(jīng)之路就是在外網(wǎng)業(yè)務和內部系統(tǒng)之間,通過互聯(lián)網(wǎng)建立互通的紐帶,但通信雙方一定要有安全的訪問機制作為保障,才能使醫(yī)院內網(wǎng)中的大量內部信息不被不被惡意分析。隨著網(wǎng)絡上存在的攻擊層出不窮,入侵檢測技術可以動態(tài)捕捉、實時分析、監(jiān)控防火墻識別不了的入侵行為,從中發(fā)現(xiàn)危險攻擊。本文通過深入的研究,提出完整的入侵檢測模型,主要構成為數(shù)據(jù)信息收集部分、信息處理分析部分、入侵檢測部分、以及響應部分。其中,信息收集部分使用Winpcap技術實現(xiàn)數(shù)據(jù)采集,設置過濾規(guī)則;信息處理分析部分根據(jù)TCP/IP協(xié)議族實現(xiàn)協(xié)議分支處理,并參照KDD CUP99數(shù)據(jù)集得到TCP連接基本特征和內容特征、基于流量和主機的網(wǎng)絡流量統(tǒng)計特征等,預處理后作為入侵檢測系統(tǒng)的審計記錄;入侵檢測部分根據(jù)不同的攻擊協(xié)議類型來調用不同的入侵檢測功能模塊,通過改進后的支持向量機(SVM)算法區(qū)分醫(yī)院外網(wǎng)向內網(wǎng)傳輸?shù)臄?shù)據(jù)是正常還是異常,并引入Boyer-Moore(BM)算法匹配入侵信息,滿足了數(shù)據(jù)匹配的高效性,快速處理流經(jīng)服務器的海量原始數(shù)據(jù)包。本文對原始SVM算法基本分類原理進行了深入研究,發(fā)現(xiàn)在應用原始SVM算法分類網(wǎng)絡傳輸?shù)臄?shù)據(jù)時,算法容易陷入局部最優(yōu)解,并且在實時性等性能指標上表現(xiàn)還不是很優(yōu)秀,由此提出對經(jīng)典SVM算法的改進策略。通過對群智能優(yōu)化算法的深入研究,在多次的對比仿真實驗的基礎上,采用RBF作為SVM算法的核函數(shù),通過人工蜂群(ABC)算法優(yōu)化SVM算法的改進思路,以克服原始SVM算法的缺陷。結果證明優(yōu)化后算法在訓練速度和準確率有所提高,兼顧了全局和局部最優(yōu)解的搜索。本文在綜合以上研究內容的基礎上設計了入侵檢測系統(tǒng),確定了系統(tǒng)在醫(yī)院內網(wǎng)中的部署結構。在充分研究了端口掃描技術和各種類型攻擊的前提下,通過模擬Dos、R2L等攻擊,驗證了本系統(tǒng)可以高效的識別出攻擊者,提高了網(wǎng)絡防御系統(tǒng)的保護力度。
【學位授予單位】：北方工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP393.08

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 周鳴爭,汪軍;基于SVM的多傳感器信息融合算法[J];儀器儀表學報;2005年04期

2 周珂;蔡潔;;SVM在阿爾茨海默型老年癡呆癥輔助診斷中的應用[J];現(xiàn)代計算機(專業(yè)版);2012年17期

3 王蒙;傅行軍;;基于參數(shù)優(yōu)化SVM的旋轉機械故障診斷[J];江蘇電機工程;2008年01期

4 謝志強;高麗;楊靜;;基于球結構的完全二叉樹SVM多類分類算法[J];計算機應用研究;2008年11期

5 孫穎;劉玉滿;龔穩(wěn);;基于SVM的多傳感器信息融合[J];長春工業(yè)大學學報(自然科學版);2013年03期

6 焦鵬;王新政;謝鵬遠;;基于SVM的模擬電路故障診斷及參數(shù)優(yōu)化方法[J];計算機測量與控制;2013年08期

7 張貝貝;何中市;;基于支持向量數(shù)據(jù)描述算法的SVM多分類新方法[J];計算機應用研究;2007年11期

8 趙天昀;;多分類SVM在企業(yè)競爭情報自動分類中的應用[J];現(xiàn)代情報;2008年10期

9 彭磊;高峰;任立華;黃真輝;;基于SVM的混沌時間序列預測模型應用研究[J];工程勘察;2013年09期

10 劉海松;吳杰長;陳國鈞;;克隆選擇優(yōu)化的SVM模擬電路故障診斷方法[J];電子測量與儀器學報;2010年12期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 滕衛(wèi)平;胡波;滕舟;鐘元;;SVM回歸法在西太平洋熱帶氣旋路徑預報中的應用研究[A];S1 災害天氣研究與預報[C];2012年

2 王紅軍;徐小力;付瑤;;基于SVM的旋轉機械故障診斷知識獲取[A];第八屆全國設備與維修工程學術會議、第十三屆全國設備監(jiān)測與診斷學術會議論文集[C];2008年

3 龔德忠;徐云峰;吳燕波;;基于模糊決策理論的入侵檢測系統(tǒng)可行性評估[A];第十九次全國計算機安全學術交流會論文集[C];2004年

4 梁萬龍;;入侵檢測系統(tǒng)及其在電力企業(yè)綜合信息網(wǎng)中的應用[A];廣東省電機工程學會2003-2004年度優(yōu)秀論文集[C];2005年

5 陳兆基;楊宏暉;杜方鍵;;用于水下目標識別的選擇性SVM集成算法[A];中國聲學學會水聲學分會2011年全國水聲學學術會議論文集[C];2011年

6 程三軍;;入侵檢測系統(tǒng)在應用中的若干問題與對策[A];第十八次全國計算機安全學術交流會論文集[C];2003年

7 陳金蘭;閆懷志;胡昌振;;躲避與攻擊入侵檢測系統(tǒng)的手段及防范[A];第十八次全國計算機安全學術交流會論文集[C];2003年

8 韓豐;;入侵檢測系統(tǒng)在冶金企業(yè)中的部署[A];第十九次全國計算機安全學術交流會論文集[C];2004年

9 雷琦;楊國偉;;基于無線局域網(wǎng)的入侵檢測系統(tǒng)的設計和實現(xiàn)[A];全國計算機安全學術交流會論文集（第二十二卷）[C];2007年

10 謝輝;王燕;龐濱;;數(shù)據(jù)挖掘在入侵檢測系統(tǒng)中的應用[A];第二十四屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2007年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 離子翼;入侵檢測系統(tǒng)抵擋惡意攻擊[N];中國電腦教育報;2005年

2 本報特約張昕楠;中小企業(yè)入侵檢測系統(tǒng)選中小企業(yè)入侵檢測系統(tǒng)選型[N];中國電腦教育報;2005年

3 陳長松;需要入侵檢測系統(tǒng)的五個理由[N];中國計算機報;2002年

4 北京長信泰康通信技術有限公司 宮鍵欣;入侵檢測系統(tǒng)與入侵防御系統(tǒng)的區(qū)別[N];人民郵電;2008年

5 ;入侵檢測系統(tǒng)面臨的三大挑戰(zhàn)[N];中國計算機報;2002年

6 何軍、高國棟、程文靜;國內9款入侵檢測產品同臺亮相[N];中國計算機報;2002年

7 譚崇暢;IDS值得投資嗎[N];中國計算機報;2005年

8 趙毅;如何選擇入侵檢測設備[N];中國計算機報;2007年

9 譚崇暢;捍衛(wèi)“最后一道防線”[N];網(wǎng)絡世界;2002年

10 賽迪評測網(wǎng)絡安全實驗室 何軍;誰給你更好的保護[N];中國計算機報;2004年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 陳志茹;基于SVM集成學習的miRNA靶基因預測研究[D];燕山大學;2015年

2 宋世杰;基于序列模式挖掘的誤用入侵檢測系統(tǒng)及其關鍵技術研究[D];國防科學技術大學;2005年

3 李玲娟;數(shù)據(jù)挖掘技術在入侵檢測系統(tǒng)中的應用研究[D];蘇州大學;2008年

4 金舒;入侵檢測系統(tǒng)性能提高新技術研究[D];南京理工大學;2006年

5 鄧琦皓;分布式主動協(xié)同入侵檢測系統(tǒng)研究與實踐[D];中國人民解放軍信息工程大學;2005年

6 關健;入侵檢測系統(tǒng)數(shù)據(jù)分析方法及其相關技術的研究[D];哈爾濱工程大學;2004年

7 李玉萍;基于先進計算的智能入侵檢測系統(tǒng)研究[D];中國地震局地球物理研究所;2012年

8 劉剛;基于免疫遺傳算法的入侵檢測系統(tǒng)研究[D];鐵道部科學研究院;2006年

9 閆巧;基于免疫機理的入侵檢測系統(tǒng)研究[D];西安電子科技大學;2003年

10 傅濤;基于數(shù)據(jù)挖掘的分布式網(wǎng)絡入侵協(xié)同檢測系統(tǒng)研究及實現(xiàn)[D];南京理工大學;2008年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 楊劉;基于PCA與SVM的地力評價研究[D];中南林業(yè)科技大學;2015年

2 伍岳;基于SVM的文本分類應用研究[D];電子科技大學;2014年

3 高傳嵩;基于SVM文本分類的問答系統(tǒng)的設計與實現(xiàn)[D];南京大學;2014年

4 馮天嬌;基于肝臟表觀模型和優(yōu)化SVM的肝癌識別方法的研究與實現(xiàn)[D];東北大學;2013年

5 姚磊;基于SVM主動學習的音樂分類[D];南京郵電大學;2015年

6 李同同;基于SVM安瓿藥液雜質檢測與識別算法的研究[D];廣東工業(yè)大學;2016年

7 林志杰;基于二叉平衡決策樹的SVM多分類算法的改進[D];福州大學;2014年

8 趙晨;基于SVM和回歸分析的玉米葉片葉綠素含量及表型參數(shù)研究[D];內蒙古大學;2016年

9 馬珍玉;基于深度學習和SVM的植物葉片識別系統(tǒng)的研究與測試[D];內蒙古農業(yè)大學;2016年

10 王振柱;基于Structure5.0和SVM的木材微觀圖像特征與識別研究[D];內蒙古農業(yè)大學;2016年

，

本文編號：2528136