【摘要】：隨著越來越多的計(jì)算機(jī)網(wǎng)絡(luò)活動(dòng)和在線敏感信息的流動(dòng),許多組織已經(jīng)變得容易遭受各種類型的網(wǎng)絡(luò)攻擊。因此,保護(hù)網(wǎng)絡(luò)系統(tǒng)免受入侵破壞和其他異�；顒�(dòng)的攻擊,對政府,公共和私營部門組織來說已變得非常重要。在某些情況下,傳統(tǒng)加密方法和入侵防御系統(tǒng)(包括防火墻,訪問控制和安全網(wǎng)絡(luò)協(xié)議)會(huì)將惡意流量引入網(wǎng)絡(luò)系統(tǒng)。入侵檢測系統(tǒng)(IDS)是網(wǎng)絡(luò)安全系統(tǒng)的一個(gè)眾所周知的組件,它通過應(yīng)用機(jī)器學(xué)習(xí)算法來檢測新的和未知類型的網(wǎng)絡(luò)攻擊,從而有效地確保網(wǎng)絡(luò)系統(tǒng)上的事務(wù)的安全。之前關(guān)于IDS的研究一直側(cè)重于特定問題,例如過擬合,冗余特征和有限的訓(xùn)練樣本,其中特征選擇(FS)仍然是一個(gè)很大程度上未被探索的領(lǐng)域。本文旨在通過利用判別性特征選擇,群特征選擇,稀疏表示,組合方案和網(wǎng)絡(luò)入侵分類等方法來填補(bǔ)這一空白。本論文的貢獻(xiàn)可歸納如下:1.冗余和不相關(guān)特征的存在、有限數(shù)量的訓(xùn)練樣本等問題在分類任務(wù)中引入了許多挑戰(zhàn),例如過擬合,高計(jì)算成本,缺乏模型可解釋性和噪聲敏感性。為了實(shí)現(xiàn)IDS的高精度,本文采用稀疏邏輯回歸(SPLR)算法來解決FS和分類問題。該算法通過采用稀疏正則化方法,從原始特征池中選擇一部分特征來進(jìn)行分類。同時(shí)本文還提出了一種線性SPLR模型,該模型不僅能從數(shù)據(jù)集中選擇判別性特征,還能學(xué)習(xí)到線性分類器的系數(shù)。與分離FS和分類過程的傳統(tǒng)FS方法(例如,過濾(排名)和包裝方法)相比,所提出的基于SPLR的方法將FS和分類任務(wù)組合成一個(gè)統(tǒng)一的框架。實(shí)驗(yàn)結(jié)果表明,本文提出的方法要優(yōu)于大多數(shù)眾所周知的用于入侵檢測的技術(shù)。2.結(jié)構(gòu)化SPLR(SSPLR)是SPLR的擴(kuò)展,它選擇重要的特征組別和單個(gè)特征,同時(shí)減少噪聲和不相關(guān)特征(組)的干擾,以提高分類的性能。在IDS分類的情況中,稀疏性表明只有選定的特征(組)對分類器有用,并用以確定網(wǎng)絡(luò)中的入侵類型。本文據(jù)此引入了一個(gè)有利于IDS系統(tǒng)進(jìn)行分類的重要的特征(組)。最近,SSPLR方法通過引入結(jié)構(gòu)性稀疏懲罰項(xiàng)(I_1,I_2)來分析和處理數(shù)據(jù)。在SSPLR中,特征之間的關(guān)聯(lián)在建模的過程中被識別,而關(guān)于特征結(jié)構(gòu)的先驗(yàn)信息可以被映射到誘導(dǎo)稀疏的范數(shù)中。SSPLR方法的優(yōu)點(diǎn)在現(xiàn)實(shí)網(wǎng)絡(luò)入侵?jǐn)?shù)據(jù)集上得到了驗(yàn)證。3.針對IDS,本文提出了一種基于J48和樸素貝葉斯(NB)方法的混合挖掘算法,這兩種算法都是在數(shù)據(jù)挖掘中針對分類任務(wù)突出有效的分類器。所提出的算法將輸入的網(wǎng)絡(luò)流量分類為正常或異常攻擊,并且算法中的每個(gè)特征向量包括描述網(wǎng)絡(luò)流量的41個(gè)特征值。該算法還解決了 IDS通常面臨的一些困難,例如如何丟棄冗余特征,減少訓(xùn)練數(shù)據(jù)集中的矛盾記錄的數(shù)量。本文同時(shí)利用檢測準(zhǔn)確度,靈敏度,特異性和F-測量等指標(biāo),對J48,NB和Bayes Net等方法進(jìn)行了比較測試。所提出的采用了求和方案的混合挖掘算法實(shí)現(xiàn)了91.36%的檢測精度,與J48或NB等方法相比,該算法在實(shí)際基準(zhǔn)數(shù)據(jù)集上獲得了明顯更好的結(jié)果。
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2019
【分類號】：TP393.08

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張紅濤,胡玉霞,邱道尹;遺傳算法在儲(chǔ)糧害蟲特征選擇中的應(yīng)用[J];華北水利水電學(xué)院學(xué)報(bào);2004年03期

2 徐雷;閻平凡;常迥;;用于特征選擇的BF算法及其與B&B算法的比較[J];自動(dòng)化學(xué)報(bào);1988年05期

3 楊錦英;王碧泉;;K—W檢驗(yàn)和熵法在單個(gè)特征選擇中的應(yīng)用[J];華北地震科學(xué);1989年02期

4 陳晉蘇;特征選擇在電信行業(yè)客戶流失分析中的應(yīng)用[J];科技資訊;2005年22期

5 范勁松,方廷健;特征選擇和提取要素的分析及其評價(jià)[J];計(jì)算機(jī)工程與應(yīng)用;2001年13期

6 江乃雄;蔡民;;綜合距離特征選擇問題解的存在性與唯一性[J];計(jì)算機(jī)應(yīng)用與軟件;1992年01期

7 錢學(xué)雙;多重篩選逐步回歸特征選擇法及其應(yīng)用[J];信息與控制;1986年05期

8 趙帥;張雁;徐海峰;;基于成對約束分的特征選擇及穩(wěn)定性評價(jià)[J];計(jì)算機(jī)與數(shù)字工程;2019年06期

9 余勝龍;趙紅;;基于樣本鄰域保持的代價(jià)敏感特征選擇[J];數(shù)據(jù)采集與處理;2018年02期

10 杜政霖;李云;;基于特征聚類集成技術(shù)的在線特征選擇[J];計(jì)算機(jī)應(yīng)用;2017年03期

相關(guān)會(huì)議論文 前10條

1 史彩娟;沙宇陽;劉健;閆曉東;劉利平;;基于自適應(yīng)半監(jiān)督稀疏特征選擇的圖像標(biāo)注[A];第十屆全國信號和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議專刊[C];2016年

2 劉培磊;李滿生;王挺;;蛋白質(zhì)相互作用有向關(guān)系抽取的特征選擇[A];第五屆全國信息檢索學(xué)術(shù)會(huì)議論文集[C];2009年

3 袁帥;楊宏暉;申f;;基于云模型的特征評價(jià)準(zhǔn)則[A];第三屆上海——西安聲學(xué)學(xué)會(huì)學(xué)術(shù)會(huì)議論文集[C];2013年

4 申f;楊宏暉;袁帥;;用于水聲目標(biāo)識別的互信息無監(jiān)督特征選擇[A];第三屆上�！靼猜晫W(xué)學(xué)會(huì)學(xué)術(shù)會(huì)議論文集[C];2013年

5 李澤輝;聶生東;陳兆學(xué);;應(yīng)用多類SVM分割MR腦圖像特征選擇與優(yōu)化的實(shí)驗(yàn)研究[A];中國儀器儀表學(xué)會(huì)第九屆青年學(xué)術(shù)會(huì)議論文集[C];2007年

6 李娜;曾向陽;;目標(biāo)識別中的樣本選擇和特征選擇聯(lián)合算法研究[A];2009年西安-上海聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2009年

7 宋鵬;鄭文明;趙力;;基于子空間學(xué)習(xí)和特征選擇融合的語音情感識別[A];第十四屆全國人機(jī)語音通訊學(xué)術(shù)會(huì)議（NCMMSC’2017）論文集[C];2017年

8 臧淼;徐惠民;張永梅;;基于局部約束和稀疏編碼的自動(dòng)圖像標(biāo)注[A];國防光電子論壇第二屆激光雷達(dá)成像探測技術(shù)及應(yīng)用研討會(huì)論文集[C];2015年

9 俞士汶;王治敏;朱學(xué)鋒;;文學(xué)語言與自然語言理解研究[A];中文信息處理前沿進(jìn)展——中國中文信息學(xué)會(huì)二十五周年學(xué)術(shù)會(huì)議論文集[C];2006年

10 薛富強(qiáng);葛臨東;陳麗;;新的改進(jìn)遺傳算法用于調(diào)制信號特征選擇[A];無線傳感器網(wǎng)及網(wǎng)絡(luò)信息處理技術(shù)——2006年通信理論與信號處理年會(huì)論文集[C];2006年

相關(guān)重要報(bào)紙文章 前7條

1 本報(bào)記者 李振輝;根據(jù)自身特征選擇健身方式[N];廣東科技報(bào);2008年

2 海通證券 婁靜邋吳先興;把握風(fēng)險(xiǎn)收益特征選擇最適合自己的基金[N];上海證券報(bào);2007年

3 鐵嶺市第二高中 高軍;讓學(xué)生“動(dòng)”起來[N];鐵嶺日報(bào);2005年

4 鄭衛(wèi)東;高產(chǎn)鵝選種方法和標(biāo)準(zhǔn)[N];中國畜牧獸醫(yī)報(bào);2007年

5 《網(wǎng)絡(luò)世界》記者 周源;云平臺(tái),只選對的[N];網(wǎng)絡(luò)世界;2012年

6 鄭軍;高產(chǎn)鵝選種方法和標(biāo)準(zhǔn)[N];河南科技報(bào);2016年

7 記者 丁寧;2012年,我們一起“追”的創(chuàng)新產(chǎn)品[N];上海證券報(bào);2012年

相關(guān)博士學(xué)位論文 前10條

1 Reehan Ali Shah;基于稀疏模型組合的網(wǎng)絡(luò)入侵分類[D];浙江大學(xué);2019年

2 袁明冬;基于圖的特征提取和特征選擇及其應(yīng)用研究[D];西安電子科技大學(xué);2017年

3 胡小娟;基于特征選擇的文本分類方法研究[D];吉林大學(xué);2018年

4 任宇林;結(jié)構(gòu)化預(yù)測中N元特征選擇算法的研究[D];華中科技大學(xué);2018年

5 滕旭陽;面向特征選擇問題的優(yōu)化方法研究[D];哈爾濱工程大學(xué);2017年

6 張麗新;高維數(shù)據(jù)的特征選擇及基于特征選擇的集成學(xué)習(xí)研究[D];清華大學(xué);2004年

7 高青斌;蛋白質(zhì)亞細(xì)胞定位預(yù)測相關(guān)問題研究[D];國防科學(xué)技術(shù)大學(xué);2006年

8 劉風(fēng);基于磁共振成像的多變量模式分析方法學(xué)與應(yīng)用研究[D];電子科技大學(xué);2014年

9 馮國忠;文本分類中的貝葉斯特征選擇[D];東北師范大學(xué);2011年

10 梁建寧;特征選擇與圖像匹配[D];復(fù)旦大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 馬必?zé)?一種多任務(wù)特征選擇金字塔及其在電力設(shè)備檢測的應(yīng)用[D];浙江大學(xué);2019年

2 Wei Wang;P值的不穩(wěn)定性與其他因素對統(tǒng)計(jì)特征選擇的影響[D];天津大學(xué);2018年

3 游仁春;基于特征選擇聚類和張量分析的碳纖維增強(qiáng)復(fù)合材料超聲缺陷識別[D];廈門大學(xué);2017年

4 閆文凱;基于特征選擇的致病SNP識別方法研究[D];南京農(nóng)業(yè)大學(xué);2017年

5 周至;復(fù)雜環(huán)境下無人工干預(yù)的室內(nèi)定位算法研究[D];南京大學(xué);2019年

6 任秀偉;基于嵌入式稀疏特征選擇策略的降維算法研究[D];湖北工業(yè)大學(xué);2018年

7 胡世賽;多樣性增量特征選擇技術(shù)的應(yīng)用[D];內(nèi)蒙古工業(yè)大學(xué);2018年

8 黃曉娟;面向特征選擇的Relief算法研究[D];蘇州大學(xué);2018年

9 楊鈞;高維不完整數(shù)據(jù)的特征選擇研究[D];遼寧大學(xué);2018年

10 余勝龍;基于數(shù)據(jù)相關(guān)性的代價(jià)敏感特征選擇[D];閩南師范大學(xué);2018年

本文編號：2718347