【摘要】：現(xiàn)如今,網(wǎng)絡安全問題日顯突出。入侵檢測技術(shù)作為強有力的安全防護手段成為研究的焦點�，F(xiàn)有的入侵檢測技術(shù)主要表現(xiàn)出檢測準確率及效率不高、系統(tǒng)魯棒性較差和自適應能力差等問題,本文設計合理的方法用于解決上述問題。入侵檢測本質(zhì)是一種二分類問題。本文以支持向量機(SVM)為入侵檢測系統(tǒng)中檢測引擎的基礎分類器,設計出并行集成的分類算法,稱為BPSVM算法。對處理新增數(shù)據(jù),提出KKT-RS-SVM增量算法。本文主要研究內(nèi)容如下:(1)提出改進的基于Bagging的并行集成分類算法(BPSVM算法)。在并行組件的設計中,選取主成分分析(PCA)技術(shù),優(yōu)化高維的入侵檢測數(shù)據(jù),有效提高分類器訓練模型及預測數(shù)據(jù)的效率;采用并行的SVM分類器及多數(shù)投票法的集成策略,分類效果優(yōu)于單一分類器,有效提高分類準確率;同時,并行的方法能有效避免單點失效問題,任一分類器出現(xiàn)故障將不影響系統(tǒng)的運行,提高系統(tǒng)魯棒性。(2)在增量算法的局部設計中,提出改進的原樣本保留集算法(RS算法),該算法充分考慮到原始樣本中對分類精度有影響的向量,在一定程度上提高訓練集增量后的分類效果。(3)在增量算法的整體設計中,使用RS算法保留原樣本集,并結(jié)合KKT條件篩選新增樣本,組成整體算法,即KKT-RS-SVM算法。該算法有效地將新增樣本與原始樣本有用信息組合成新的訓練集,最大程度保留有效信息,有效更新訓練集,提高系統(tǒng)對新樣本的自適應能力。最后,使用經(jīng)典入侵檢測數(shù)據(jù)集KDD CUP99及最新數(shù)據(jù)集CICIDS2017測試BPSVM算法,及KKT-RS-SVM增量算法。實驗結(jié)果表明,相比單一的PCASVM算法,BPSVM算法的平均分類準確率約提高3%;與并行SVM相比,BPSVM算法檢測時間平均縮短約21.9%;另一方面,通過模擬單點失效證實BPSVM的魯棒性。另外,通過模擬增量樣本證明KKT-RS-SVM算法在入侵檢測中可用性及具有較高的準確率。
【學位授予單位】：武漢理工大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP393.08;TP181
【圖文】：

由檢測模型抽象出的入侵檢測過程如圖 1-1 所示。圖 1-1 入侵檢測過程示意圖1.3.2 入侵檢測技術(shù)研究現(xiàn)狀自 20 世紀 80 年代以來，入侵檢測技術(shù)歷時三十多年的陸續(xù)發(fā)展，從先前的一種有價值的研究理念和單純的理論框架，快速演變出種類紛繁的各種實際原型系統(tǒng)，同時也不斷涌現(xiàn)出各種性能越來越好的入侵檢測系統(tǒng)產(chǎn)品。至今，入侵檢測技術(shù)日趨成熟，成為計算機安全防護領(lǐng)域無可替代的重要安全防護技術(shù)。從 21 世紀初到現(xiàn)在，入侵檢測技術(shù)的研究主要是基于網(wǎng)絡，并向著混合型發(fā)展[6]。2004 年悉尼科技大學提出基于移動代理技術(shù)的分布式入侵檢測體系結(jié)構(gòu)，設計了入侵行為的全局信息抽取原型系統(tǒng)；2007 年，Bolzoni 為降低誤警率，提出網(wǎng)絡入侵檢測系統(tǒng)報警確認的體系結(jié)構(gòu)[7]。隨著統(tǒng)計學理論與機器學習方法等在入侵檢測領(lǐng)域的滲透[8]，入侵檢測的核心技術(shù)逐漸向著智能化方向發(fā)展[9-11]，一些新的入侵檢測技術(shù)相繼出現(xiàn)，例如基于神經(jīng)網(wǎng)絡[12]、遺傳算法[13,14]、數(shù)據(jù)分析[15,16]、人工免疫的系統(tǒng)和基于代理的檢測系統(tǒng)等等

圖 2-1 入侵檢測中的算法設計結(jié)構(gòu)圖章小結(jié)介紹了入侵檢測系統(tǒng)的需求，并對主流的解決入侵檢測問題采取的比，分析了 SVM 算法應用于入侵檢測中的優(yōu)勢。接著，對尚未解決了闡述，并給出了為解決對應難點本文所采用的解決策略，以及描述進的集成與增量算法在入侵檢測中的結(jié)構(gòu)。

【相似文獻】

相關(guān)期刊論文 前10條

1 葉志雄;王丹弘;;基于海量數(shù)據(jù)的不平衡SVM增量學習的釣魚網(wǎng)站檢測方法[J];電信工程技術(shù)與標準化;2016年12期

2 齊興;;結(jié)合主方向和SVM的人臉表情識別[J];廊坊師范學院學報(自然科學版);2016年04期

3 馮東梅;吳健偉;;礦井突水水源的SVM識別方法[J];遼寧工程技術(shù)大學學報(自然科學版);2017年01期

4 楊清;文紅;陳松林;王玉秀;;基于SVM算法的移動智能終端安全等級分級模型[J];通信技術(shù);2017年04期

5 滿宴辰;楊成佳;;圖像視覺顯著性和改進型SVM在圖像分割中的研究[J];通訊世界;2017年08期

6 程鳳偉;;一種基于決策樹的SVM算法[J];太原學院學報(自然科學版);2017年01期

7 吳翠穎;周濤;陸惠玲;姚中寶;王媛媛;楊鵬飛;;基于集成SVM的肺部腫瘤PET/CT三模態(tài)計算機輔助診斷方法[J];生物醫(yī)學工程研究;2017年03期

8 湯�；�;;基于SVM的醫(yī)藥企業(yè)財務危機預警研究[J];中國集體經(jīng)濟;2017年29期

9 王芳;吳志泉;史紅權(quán);;SVM在空中目標威脅值評估中的應用[J];火力與指揮控制;2017年09期

10 楊海蘭;周培祥;;基于SVM的中國家族企業(yè)引入外部職業(yè)經(jīng)理人風險預測研究[J];經(jīng)濟體制改革;2017年05期

相關(guān)會議論文 前10條

1 李薇;劉琦;馬占鴻;;基于SVM法的小麥條銹病潛育期冠層高光譜識別研究[A];植�？萍紕�(chuàng)新與農(nóng)業(yè)精準扶貧——中國植物保護學會2016年學術(shù)年會論文集[C];2016年

2 楊鎮(zhèn)宇;祝詩平;;基于機器視覺和SVM的花椒外觀品質(zhì)檢測[A];2009全國虛擬儀器大會論文集（二）[C];2009年

3 張國棟;朱明華;余圣甫;張建強;李志遠;;藥芯焊絲飛濺率的SVM模型研究[A];第十五次全國焊接學術(shù)會議論文集[C];2010年

4 司愛威;馮輔周;江鵬程;饒國強;王建;;基于可變風險SVM模型的故障識別方法研究[A];第十屆全國振動理論及應用學術(shù)會議論文集（2011）上冊[C];2011年

5 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

6 陳志建;宋家驊;程琳;;基于小波SVM的高速公路交通事件檢測算法[A];城市交通發(fā)展模式轉(zhuǎn)型與創(chuàng)新——中國城市交通規(guī)劃2011年年會暨第25次學術(shù)研討會論文集[C];2014年

7 朱蕾;朱國棟;石江;;SVM方法在烏魯木齊機場跑道視程預測中的應用[A];中國氣象學會2007年年會天氣預報預警和影響評估技術(shù)分會場論文集[C];2007年

8 王薇;李曉輝;;CDMA系統(tǒng)中基于SVM的多用戶檢測算法[A];第十九屆電工理論學術(shù)年會論文集[C];2007年

9 王紅軍;徐小力;付瑤;;基于SVM的旋轉(zhuǎn)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(shù)會議、第十三屆全國設備監(jiān)測與診斷學術(shù)會議論文集[C];2008年

10 李玉峰;鄭德權(quán);趙鐵軍;;基于SVM和多特征融合的圖像分類[A];第四屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集（上）[C];2008年

相關(guān)博士學位論文 前10條

1 張婧;基于SVM的肺結(jié)節(jié)自動識別方法研究[D];華南理工大學;2011年

2 歐陽玲;基于遙感和SVM模型的松嫩平原南部耕地質(zhì)量評價[D];中國科學院大學(中國科學院東北地理與農(nóng)業(yè)生態(tài)研究所);2017年

3 陳沅濤;圖像視覺顯著性和改進型SVM在圖像分割中的研究[D];南京理工大學;2014年

4 張克;基于地震正演模擬和SVM的煤與瓦斯突出危險區(qū)預測研究[D];中國礦業(yè)大學;2011年

5 宋國明;基于提升小波及SVM優(yōu)化的模擬電路智能故障診斷方法研究[D];電子科技大學;2010年

6 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

7 陳梅香;基于SVM和GIS的梨小食心蟲預測系統(tǒng)的研究[D];北京林業(yè)大學;2010年

8 江娜;SVM及其在船舶航向控制系統(tǒng)故障預報中的應用研究[D];哈爾濱工程大學;2008年

9 黃劍鋒;基于振動信號SVM的管殼式換熱器堵塞故障診斷方法研究[D];華南理工大學;2016年

10 申豐山;樣例權(quán)重估計及在此基礎上的SVM[D];西安電子科技大學;2011年

相關(guān)碩士學位論文 前10條

1 王洪兵;SVM集成與增量算法在入侵檢測中的應用研究[D];武漢理工大學;2018年

2 許麗;用SVM回歸實驗對大氣污染數(shù)據(jù)的處理研究[D];天津財經(jīng)大學;2018年

3 鄧瓊;道路交通標志的檢測算法研究[D];安徽工程大學;2018年

4 金j;SVM與神經(jīng)網(wǎng)絡的組合模型在短期電力負荷預測中的應用研究[D];吉林大學;2018年

5 袁志輝;深度學習與SVM相融合的新聞分類技術(shù)研究[D];華北理工大學;2018年

6 錢坤;基于MSER和遺傳優(yōu)化SVM的交通標志識別的研究[D];大連理工大學;2018年

7 馬田;基于混合核函數(shù)SVM與遺傳參數(shù)優(yōu)化的人臉識別研究[D];江蘇科技大學;2018年

8 張猛;基于行業(yè)輪動策略的SVM多因子選股模型及投資效果實證分析[D];上海師范大學;2018年

9 姜伶伶;基于詞向量和SVM的中文微博情感分類研究[D];重慶大學;2018年

10 王蒙蒙;基于魯棒PCP特征和測度學習SVM的音樂和弦識別研究[D];天津大學;2017年

本文編號：2723026