本文關(guān)鍵詞：自適應(yīng)的貝葉斯網(wǎng)在入侵檢測(cè)中的應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：入侵檢測(cè)技術(shù)作為保護(hù)網(wǎng)絡(luò)安全的重要技術(shù)手段,自第一次被提出至今已經(jīng)有了20多年的時(shí)間。由于網(wǎng)絡(luò)環(huán)境的不斷變化和黑客技術(shù)的不斷的提高,網(wǎng)絡(luò)攻擊的手段也越來(lái)越復(fù)雜,對(duì)入侵檢測(cè)技術(shù)的要求越來(lái)越高。尋求一種具有自適應(yīng)性、高檢測(cè)精度、高檢測(cè)效率的入侵檢測(cè)技術(shù)模型是本文的研究目標(biāo)。在數(shù)據(jù)挖掘領(lǐng)域,貝葉斯分類算法因?yàn)槠渫评砗皖A(yù)測(cè)的高準(zhǔn)確性,成為數(shù)據(jù)分類中一種非常重要的方法。因此,很多研究人員嘗試把貝葉斯分類算法應(yīng)用到入侵檢測(cè)模型的研究中,取得了不錯(cuò)的效果。但是,入侵檢測(cè)的模型除了對(duì)檢測(cè)的精度有很高的要求外,還要求具有一定的高效性并且能夠根據(jù)當(dāng)前網(wǎng)絡(luò)環(huán)境攻擊行為的變化做出自適應(yīng)的應(yīng)對(duì)。本文將基于粗糙集理論的屬性約減算法和基于滑動(dòng)窗口的窗口擴(kuò)展算法結(jié)合到貝葉斯分類算法當(dāng)中,并在此基礎(chǔ)上提出了一種自適應(yīng)貝葉斯網(wǎng)絡(luò)算法。該算法使用基于粗糙集理論的屬性簡(jiǎn)約算法對(duì)訓(xùn)練樣本集進(jìn)行降維處理,簡(jiǎn)約特征屬性列從而減少構(gòu)造貝葉斯網(wǎng)絡(luò)時(shí)的運(yùn)算成本;利用窗口擴(kuò)展算法動(dòng)態(tài)更新訓(xùn)練樣本集,使得訓(xùn)練樣本能夠?qū)崟r(shí)反映當(dāng)前系統(tǒng)安全狀況;研究貝葉斯網(wǎng)在不同訓(xùn)練樣本情況下節(jié)點(diǎn)之間互信息的變化,并通過(guò)定義一個(gè)歐式距離來(lái)衡量節(jié)點(diǎn)之間互信息的這種變化,找到貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)差異性與互信息變化之間的關(guān)系,在此基礎(chǔ)上實(shí)現(xiàn)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的自適應(yīng)更新提高檢測(cè)模型的自適應(yīng)性。實(shí)驗(yàn)表明,該算法應(yīng)用于入侵檢測(cè)當(dāng)中,不但減少了計(jì)算量,提高了檢測(cè)效率,而且當(dāng)不同訓(xùn)練樣本下節(jié)點(diǎn)間互信息的相對(duì)歐式距離大于給定的閾值ε=1.15時(shí)候貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)與之前相比發(fā)生較大的改變,分類的精度也下降明顯,此時(shí)對(duì)貝葉斯網(wǎng)絡(luò)進(jìn)行結(jié)構(gòu)的更新,分類的精度有了明顯的提高,提高了檢測(cè)模型的自適應(yīng)性。
【關(guān)鍵詞】：入侵檢測(cè) 貝葉斯網(wǎng)絡(luò) 粗糙集 自適應(yīng) 窗口擴(kuò)展 互信息理論
【學(xué)位授予單位】：北方民族大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP393.08;TP18
【目錄】：

• 摘要3-4
• Abstract4-9
• 第一章 緒論9-14
• 1.1 論文研究背景及意義9-10
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀10-11
• 1.3 入侵檢測(cè)目前存在的問(wèn)題11-12
• 1.4 本文研究的主要內(nèi)容12-14
• 第二章 入侵檢測(cè)系統(tǒng)概述14-23
• 2.1 入侵檢測(cè)的概念14
• 2.2 入侵檢測(cè)的分類14-16
• 2.3 當(dāng)前主流的檢測(cè)技術(shù)16-18
• 2.4 入侵檢測(cè)技術(shù)的發(fā)展趨勢(shì)18-19
• 2.5 入侵檢測(cè)的基本流程19
• 2.6 本文采用的實(shí)驗(yàn)數(shù)據(jù)19-21
• 2.7 本章小結(jié)21-23
• 第三章 粗糙集屬性約簡(jiǎn)算法23-29
• 3.1 粗糙集基本理論基礎(chǔ)23-24
• 3.1.1 信息表、可定義集、不可分辨性23-24
• 3.1.2 粗糙集、上近似集、下近似集24
• 3.2 屬性約簡(jiǎn)24-25
• 3.2.1 屬性的約簡(jiǎn)和核24-25
• 3.3 屬性約簡(jiǎn)算法25-27
• 3.3.1 基于屬性重要度的屬性約簡(jiǎn)算法25-26
• 3.3.2 基于可辨識(shí)矩陣的屬性約簡(jiǎn)算法26-27
• 3.3.3 一般屬性約簡(jiǎn)算法27
• 3.4 本文采用的約簡(jiǎn)算法27-28
• 3.5 本章小結(jié)28-29
• 第四章 基于貝葉斯網(wǎng)絡(luò)的入侵檢測(cè)技術(shù)29-41
• 4.1 有關(guān)概率論的基礎(chǔ)知識(shí)29-30
• 4.2 貝葉斯分類算法30-32
• 4.3 貝葉斯網(wǎng)絡(luò)的簡(jiǎn)單介紹32-37
• 4.3.1 基本概念32-33
• 4.3.2 貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法33-34
• 4.3.3 本文采用的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法34-36
• 4.3.4 貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)36-37
• 4.4 貝葉斯網(wǎng)絡(luò)在入侵檢測(cè)中的應(yīng)用37-40
• 4.4.1 實(shí)驗(yàn)過(guò)程37-39
• 4.4.2 實(shí)驗(yàn)的結(jié)果39-40
• 4.4.3 實(shí)驗(yàn)結(jié)論40
• 4.5 本章小結(jié)40-41
• 第五章 一種自適應(yīng)的貝葉斯網(wǎng)絡(luò)算法41-50
• 5.1 貝葉斯網(wǎng)絡(luò)的自適應(yīng)性41
• 5.2 基于滑動(dòng)窗口的窗口擴(kuò)展算法41-43
• 5.3 一種自適應(yīng)的貝葉斯網(wǎng)絡(luò)算法43-44
• 5.4 實(shí)驗(yàn)過(guò)程與結(jié)果分析44-49
• 5.5 本章小結(jié)49-50
• 第六章 結(jié)論和未來(lái)工作的安排50-52
• 致謝52-53
• 參考文獻(xiàn)53-56
• 攻讀學(xué)位期間發(fā)表的論文56

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 秦拯,沈亞敏;基于貝葉斯網(wǎng)絡(luò)的告警相關(guān)算法研究[J];長(zhǎng)沙電力學(xué)院學(xué)報(bào)(自然科學(xué)版);2005年03期

2 范生萬(wàn);王浩;;貝葉斯網(wǎng)絡(luò)在高職英語(yǔ)應(yīng)用能力考試中的應(yīng)用研究[J];安徽工程科技學(xué)院學(xué)報(bào)(自然科學(xué)版);2007年04期

3 王勇;李凈;;基于改進(jìn)的樸素貝葉斯分類的手機(jī)垃圾短信識(shí)別研究[J];江西科學(xué);2008年05期

4 王學(xué)玲;;貝葉斯網(wǎng)絡(luò)分類模型研究及其在信用評(píng)估中的應(yīng)用[J];計(jì)算機(jī)與數(shù)字工程;2010年08期

5 王勇;;基于群的樸素貝葉斯分類[J];中小企業(yè)管理與科技(上旬刊);2011年01期

6 孫笑微;;貝葉斯分類技術(shù)在高校教師教學(xué)質(zhì)量評(píng)價(jià)中的應(yīng)用[J];沈陽(yáng)師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年01期

7 王峻;;一種基于強(qiáng)屬性限定的貝葉斯分類模型[J];計(jì)算機(jī)技術(shù)與發(fā)展;2007年02期

8 田子德;王國(guó)君;;網(wǎng)絡(luò)環(huán)境下學(xué)生自主學(xué)習(xí)的貝葉斯評(píng)價(jià)[J];白城師范學(xué)院學(xué)報(bào);2007年06期

9 楊彩虹;黃本雄;;基于貝葉斯信念網(wǎng)的網(wǎng)絡(luò)流量分類與識(shí)別研究[J];計(jì)算機(jī)應(yīng)用與軟件;2011年01期

10 胡文斌;孟波;王少梅;;基于貝葉斯網(wǎng)絡(luò)的權(quán)重自學(xué)習(xí)方法研究[J];計(jì)算機(jī)集成制造系統(tǒng);2005年12期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前6條

1 袁野;胡邦輝;劉丹軍;蘇宏琛;;基于貝葉斯分類判別方法的雷暴預(yù)報(bào)研究[A];第26屆中國(guó)氣象學(xué)會(huì)年會(huì)災(zāi)害天氣事件的預(yù)警、預(yù)報(bào)及防災(zāi)減災(zāi)分會(huì)場(chǎng)論文集[C];2009年

2 李千目;嚴(yán)悍;劉靜;王宗月;張宏;劉鳳玉;;基于貝葉斯網(wǎng)絡(luò)的網(wǎng)絡(luò)性能診斷系統(tǒng)[A];第16屆中國(guó)過(guò)程控制學(xué)術(shù)年會(huì)暨第4屆全國(guó)故障診斷與安全性學(xué)術(shù)會(huì)議論文集[C];2005年

3 馬后鋒;樊興華;;一種改進(jìn)的增量貝葉斯分類算法[A];2007'儀表，，自動(dòng)化及先進(jìn)集成技術(shù)大會(huì)論文集（一）[C];2007年

4 鄧紅;陳丹;周方;;基于貝葉斯網(wǎng)絡(luò)的多主題對(duì)話管理方法研究[A];2010通信理論與技術(shù)新發(fā)展——第十五屆全國(guó)青年通信學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];2010年

5 周德全;;離散貝葉斯分類算法及分類誤差估計(jì)[A];中國(guó)儀器儀表學(xué)會(huì)第六屆青年學(xué)術(shù)會(huì)議論文集[C];2004年

6 陳猛;郭華平;范明;;一種基于貝葉斯的多窗口數(shù)據(jù)流分類模型[A];第二十五屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（二）[C];2008年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 馮e

本文編號(hào)：279142