本文關(guān)鍵詞：基于選擇性集成學(xué)習(xí)的網(wǎng)絡(luò)入侵檢測方法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著網(wǎng)絡(luò)安全風(fēng)險(xiǎn)系數(shù)的不斷提高,曾經(jīng)作為最主要的安全防范手段的防火墻,已經(jīng)不能滿足人們對網(wǎng)絡(luò)安全的需求。作為對防火墻的有益補(bǔ)充,入侵檢測系統(tǒng)能夠快速發(fā)現(xiàn)網(wǎng)絡(luò)攻擊的發(fā)生。近年來,網(wǎng)絡(luò)入侵檢測技術(shù)得到了快速的發(fā)展,但其理論基礎(chǔ)仍然不夠完善,在實(shí)際應(yīng)用中還存在著對新攻擊檢測率低、時(shí)間復(fù)雜度高、泛化能力差等問題。為了解決現(xiàn)有的入侵檢測系統(tǒng)所存在的問題,本文采用機(jī)器學(xué)習(xí)的思想對網(wǎng)絡(luò)入侵檢測技術(shù)進(jìn)行研究,并設(shè)計(jì)出基于選擇性集成學(xué)習(xí)的網(wǎng)絡(luò)入侵檢測方法。選擇性集成學(xué)習(xí)可以在提高學(xué)習(xí)系統(tǒng)泛化能力的同時(shí)有效降低系統(tǒng)的計(jì)算與存儲(chǔ)開銷。因此,本文采用選擇性集成學(xué)習(xí)來檢測網(wǎng)絡(luò)入侵。首先,考慮基學(xué)習(xí)器的訓(xùn)練問題,提出一種基于依賴決策熵的決策樹分類算法DTDDE;其次,考慮基學(xué)習(xí)器的選擇與集成問題,提出一種新的基于決策樹的選擇性集成學(xué)習(xí)算法SELDT,SELDT算法利用DTDDE來訓(xùn)練基學(xué)習(xí)器,并通過Q-統(tǒng)計(jì)量來計(jì)算基學(xué)習(xí)器之間的差異度。第三,考慮選擇性集成學(xué)習(xí)在網(wǎng)絡(luò)入侵檢測中的應(yīng)用問題,即利用SELDT算法來檢測網(wǎng)絡(luò)入侵,從而構(gòu)建出一種新的入侵檢測方法。該方法可以在不增加入侵檢測系統(tǒng)建模時(shí)間的前提下,有效提高系統(tǒng)的檢測性能。本文的主要工作包括以下幾個(gè)方面:(1)提出一種基于依賴決策熵的決策樹分類算法DTDDE。針對傳統(tǒng)的基于信息熵的決策樹算法所存在的問題,提出一種依賴決策熵的概念,并使用依賴決策熵來計(jì)算屬性重要性,從而設(shè)計(jì)出一種基于依賴決策熵的決策樹分類算法DTDDE。通過在多個(gè)UCI數(shù)據(jù)集上的實(shí)驗(yàn)表明,與現(xiàn)有的決策樹算法相比,DTDDE算法能夠獲得更好的分類性能。(2)提出一種新的基于決策樹的選擇性集成學(xué)習(xí)算法SELDT。通過對原始數(shù)據(jù)進(jìn)行有放回的抽樣來獲得多個(gè)訓(xùn)練集,分別在每個(gè)訓(xùn)練集上利用(1)中所提出的決策樹分類算法DTDDE來訓(xùn)練一個(gè)基學(xué)習(xí)器,并利用Q-統(tǒng)計(jì)量來計(jì)算基學(xué)習(xí)器之間的差異度。最后,選擇M個(gè)差異度最大的基學(xué)習(xí)器來構(gòu)建集成學(xué)習(xí)器。通過在真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)驗(yàn)證了SELDT算法的有效性。(3)將(2)中所提出的算法SELDT應(yīng)用于網(wǎng)絡(luò)入侵檢測,從而得到一種新的基于選擇性集成學(xué)習(xí)的入侵檢測方法。為了將網(wǎng)絡(luò)入侵行為與正常行為有效區(qū)別開來,該方法通過DTDDE算法來訓(xùn)練基學(xué)習(xí)器,并利用SELDT算法來構(gòu)建集成學(xué)習(xí)器。采用入侵檢測領(lǐng)域廣泛使用的KDD Cup 99數(shù)據(jù)集來驗(yàn)證該方法的有效性。相對于傳統(tǒng)的方法,本文所提出的方法具有更好的入侵檢測性能。
【關(guān)鍵詞】：泛化能力 選擇性集成 粗糙集 依賴決策熵 決策樹 入侵檢測
【學(xué)位授予單位】：青島科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP181;TP393.08
【目錄】：

• 摘要3-5
• ABSTRACT5-9
• 1 緒論9-17
• 1.1 本文的研究背景9-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-15
• 1.2.1 入侵檢測的研究現(xiàn)狀11-14
• 1.2.2 選擇性集成學(xué)習(xí)的研究現(xiàn)狀14-15
• 1.3 本文主要的研究內(nèi)容及意義15-16
• 1.4 本文的組織結(jié)構(gòu)16-17
• 2 相關(guān)理論概述17-27
• 2.1 入侵檢測概述17-20
• 2.1.1 入侵檢測基本概念17-18
• 2.1.2 入侵檢測分析方法18-19
• 2.1.3 入侵檢測系統(tǒng)的分類19-20
• 2.2 粗糙集理論概述20-21
• 2.3 機(jī)器學(xué)習(xí)與集成學(xué)習(xí)概述21-27
• 2.3.1 機(jī)器學(xué)習(xí)的定義21-22
• 2.3.2 機(jī)器學(xué)習(xí)的常用方法22-25
• 2.3.3 集成學(xué)習(xí)的概念25
• 2.3.4 集成學(xué)習(xí)的主要技術(shù)25-27
• 3 基于依賴決策熵的決策樹分類算法27-37
• 3.1 決策樹概述27-28
• 3.2 基于信息熵的決策樹算法及其存在的問題28
• 3.3 相對決策熵和依賴決策熵28-32
• 3.4 基于依賴決策熵的決策樹分類算法DTDDE32-33
• 3.5 實(shí)驗(yàn)及結(jié)果分析33-36
• 3.6 本章小結(jié)36-37
• 4 基于決策樹的選擇性集成分類算法37-45
• 4.1 選擇性集成概述37-38
• 4.2 選擇性集成學(xué)習(xí)需要解決的問題38-39
• 4.3 Q-統(tǒng)計(jì)量概念39-40
• 4.4 基于決策樹的選擇性集成分類算法SELDT40-41
• 4.5 實(shí)驗(yàn)及結(jié)果分析41-44
• 4.6 本章小結(jié)44-45
• 5 基于選擇性集成學(xué)習(xí)的網(wǎng)絡(luò)入侵檢測方法研究45-55
• 5.1 基于選擇性集成的入侵檢測研究內(nèi)容及解決方法45-46
• 5.1.1 研究內(nèi)容45
• 5.1.2 解決方法45-46
• 5.2 基于正區(qū)域的屬性約簡46-47
• 5.3 實(shí)驗(yàn)數(shù)據(jù)分析47-50
• 5.4 實(shí)驗(yàn)50-54
• 5.4.1 數(shù)據(jù)預(yù)處理50-51
• 5.4.2 屬性約簡51-52
• 5.4.3 離散化52
• 5.4.4 實(shí)驗(yàn)步驟和結(jié)果52-54
• 5.5 本章小結(jié)54-55
• 總結(jié)55-57
• 參考文獻(xiàn)57-62
• 致謝62-63
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文63-65

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉華春;候向?qū)?楊忠;;基于改進(jìn)K均值算法的入侵檢測系統(tǒng)設(shè)計(jì)[J];計(jì)算機(jī)技術(shù)與發(fā)展;2016年01期

2 李駿驍;;多層差異網(wǎng)絡(luò)深度入侵?jǐn)?shù)據(jù)挖掘方法研究[J];計(jì)算機(jī)仿真;2015年04期

3 楊雅輝;黃海珍;沈晴霓;吳中海;張英;;基于增量式GHSOM神經(jīng)網(wǎng)絡(luò)模型的入侵檢測研究[J];計(jì)算機(jī)學(xué)報(bào);2014年05期

4 譚愛平;陳浩;吳伯橋;;基于SVM的網(wǎng)絡(luò)入侵檢測集成學(xué)習(xí)算法[J];計(jì)算機(jī)科學(xué);2014年02期

5 王莎莎;江峰;王文鵬;;基于相對決策熵與加權(quán)相似性的粗糙集數(shù)據(jù)補(bǔ)齊方法[J];計(jì)算機(jī)科學(xué);2014年02期

6 姚旭;王曉丹;張玉璽;雷蕾;;基于AdaBoost和匹配追蹤的選擇性集成算法[J];控制與決策;2014年02期

7 周紅芳;王嘯;趙雪涵;饒?jiān)?;基于頻繁模式的選擇性集成[J];應(yīng)用科學(xué)學(xué)報(bào);2013年06期

8 趙暉;;融合鄰域粗糙集與粒子群優(yōu)化的網(wǎng)絡(luò)入侵檢測[J];計(jì)算機(jī)工程與應(yīng)用;2013年18期

9 田志宏;王佰玲;張偉哲;葉建偉;張宏莉;;基于上下文驗(yàn)證的網(wǎng)絡(luò)入侵檢測模型[J];計(jì)算機(jī)研究與發(fā)展;2013年03期

10 池靜;楊振宇;張婷;;基于貝葉斯和決策樹的入侵檢測方法[J];工礦自動(dòng)化;2013年02期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 武志峰;粗糙集理論及其在入侵檢測中的應(yīng)用研究[D];南京師范大學(xué);2005年

  本文關(guān)鍵詞：基于選擇性集成學(xué)習(xí)的網(wǎng)絡(luò)入侵檢測方法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：287549