本文關(guān)鍵詞：網(wǎng)絡(luò)異常行為自動識別技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：基于網(wǎng)絡(luò)數(shù)據(jù)包內(nèi)容分析其表現(xiàn)出的網(wǎng)絡(luò)行為而設(shè)計的網(wǎng)絡(luò)異常行為分析系統(tǒng),雖然可以通過提取網(wǎng)絡(luò)數(shù)據(jù)包的內(nèi)容特征和本地已知的異常特征庫進行行為匹配,但是匹配的結(jié)果完全取決于異常特征庫的容量,匹配能力受到限制,因此為了解決這個問題,本文采用自動識別技術(shù)對網(wǎng)路行為進行研究。網(wǎng)絡(luò)異常行為自動識別系統(tǒng)是運用信息安全技術(shù),網(wǎng)絡(luò)通信技術(shù)的綜合識別系統(tǒng)。本文研究內(nèi)容如下：本文是基于網(wǎng)絡(luò)數(shù)據(jù)包內(nèi)容而設(shè)計的網(wǎng)絡(luò)異常行為自動識別系統(tǒng),該系統(tǒng)通過對網(wǎng)絡(luò)數(shù)據(jù)包進行捕獲和特征提取,首先經(jīng)過行為匹配分析網(wǎng)絡(luò)數(shù)據(jù)包表現(xiàn)的行為,再利用本文提出的一種改進的K均值算法以及使用SVM分類方法,分析出新的未知異常行為,并將該行為及時地更新到異常特征庫中。最終,通過綜合測試,其實驗結(jié)果充分驗證了本文提出的算法的準(zhǔn)確性。網(wǎng)絡(luò)異常行為自動識別系統(tǒng)對200條異常數(shù)據(jù)進行識別,識別率可以達(dá)到95%以上,提高了匹配能力；改進的K均值算法對UCI數(shù)據(jù)進行理論測試,實驗結(jié)果證明該方法在分類上聚類時間更短,準(zhǔn)確性更高。
【關(guān)鍵詞】：網(wǎng)絡(luò)異常行為 自動識別 SVM分類方法 K均值算法
【學(xué)位授予單位】：北方工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP393.08
【目錄】：

• 摘要3-4
• Abstract4-8
• 第一章 緒論8-12
• 1.1 研究背景8-10
• 1.1.1 研究目的及意義8
• 1.1.2 國內(nèi)外研究現(xiàn)狀8-10
• 1.2 論文的研究內(nèi)容與組織結(jié)構(gòu)10-12
• 1.2.1 研究內(nèi)容10
• 1.2.2 論文的組織結(jié)構(gòu)10-12
• 第二章 網(wǎng)絡(luò)異常以及網(wǎng)絡(luò)數(shù)據(jù)包的研究12-25
• 2.1 網(wǎng)絡(luò)異常研究12-14
• 2.1.1 網(wǎng)絡(luò)異常行為的定義12
• 2.1.2 網(wǎng)絡(luò)異常行為識別方法12-14
• 2.2 網(wǎng)絡(luò)安全14-15
• 2.2.1 網(wǎng)絡(luò)安全現(xiàn)狀14
• 2.2.2 網(wǎng)絡(luò)安全模型14-15
• 2.3 網(wǎng)絡(luò)數(shù)據(jù)包的研究15-23
• 2.3.1 以太網(wǎng)協(xié)議報文格式17
• 2.3.2 網(wǎng)絡(luò)層協(xié)議17-20
• 2.3.3 傳輸層協(xié)議20-21
• 2.3.4 應(yīng)用層協(xié)議21-22
• 2.3.5 HTTP協(xié)議22-23
• 2.4 TCP/IP網(wǎng)絡(luò)協(xié)議23-24
• 2.4.1 TCP/IP協(xié)議分層模型23-24
• 2.4.2 TCP/IP協(xié)議封裝24
• 2.5 本章小結(jié)24-25
• 第三章 網(wǎng)絡(luò)異常行為自動識別技術(shù)研究25-34
• 3.1 網(wǎng)絡(luò)異常行為自動識別技術(shù)25
• 3.2 聚類算法25-27
• 3.3 改進的K-means算法27-30
• 3.3.1 輪廓系數(shù)27
• 3.3.2 選取參數(shù)Jugg(i)27-28
• 3.3.3 優(yōu)化的b(i)選取28
• 3.3.4 改進K-means算法流程28-30
• 3.4 網(wǎng)絡(luò)異常行為SVM分類方法的研究30-33
• 3.4.1 本文SVM算法研究30-31
• 3.4.2 基于SVM分類方法自動識別的設(shè)計31
• 3.4.3 SVM訓(xùn)練數(shù)據(jù)特征31-32
• 3.4.4 SVM算法流程圖32-33
• 3.5 本章小結(jié)33-34
• 第四章 網(wǎng)絡(luò)異常行為自動識別系統(tǒng)設(shè)計方案34-46
• 4.1 網(wǎng)絡(luò)異常行為自動識別系統(tǒng)框架34-35
• 4.2 數(shù)據(jù)采集以特征提取35-39
• 4.2.1 數(shù)據(jù)包捕獲工具35-36
• 4.2.2 數(shù)據(jù)包過濾處理36-37
• 4.2.3 數(shù)據(jù)包特征提取37-39
• 4.2.4 數(shù)據(jù)包顯示39
• 4.3 行為匹配39-41
• 4.3.1 字符串匹配39-40
• 4.3.2 正則表達(dá)式匹配40-41
• 4.4 自動識別模塊41-42
• 4.5 網(wǎng)絡(luò)異常行為特征庫42-44
• 4.5.1 網(wǎng)絡(luò)異常行為庫結(jié)構(gòu)42-43
• 4.5.2 網(wǎng)絡(luò)異常行為庫更新43-44
• 4.6 本章小結(jié)44-46
• 第五章 系統(tǒng)實驗和測試46-51
• 5.1 系統(tǒng)搭建環(huán)境46-47
• 5.2 系統(tǒng)實驗結(jié)果47-48
• 5.2.1 網(wǎng)絡(luò)異常行為測試47
• 5.2.3 自動識別模塊(SVM)實驗結(jié)果47-48
• 5.3 改進K均值算法實驗結(jié)果48-50
• 5.3.1 輪廓系數(shù)比較49
• 5.3.2 聚類時間比較49
• 5.3.3 聚類準(zhǔn)確率比較49-50
• 5.4 本章小結(jié)50-51
• 第六章 總結(jié)與展望51-53
• 6.1 主要工作51
• 6.2 研究展望51-53
• 參考文獻(xiàn)53-55
• 申請學(xué)位期間的研究成果及發(fā)表的學(xué)術(shù)論文55-56
• 致謝56

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 羅超宇;;基于視頻序列的人體異常行為檢測技術(shù)分析[J];電子制作;2013年18期

2 崔永艷;高陽;;基于多示例學(xué)習(xí)的異常行為檢測方法[J];模式識別與人工智能;2011年06期

3 陸海先;郭立;桂樹;謝錦生;;基于潛在主題的視頻異常行為分析[J];通信技術(shù);2012年07期

4 周維柏;李蓉;;基于軌跡特征分析的行人異常行為識別[J];電腦編程技巧與維護;2010年12期

5 李曉東;凌捷;;基于視頻監(jiān)控參考量的異常行為檢測研究[J];計算機技術(shù)與發(fā)展;2012年09期

6 姬曉飛;吳倩倩;李一波;;改進時空特征的人體異常行為檢測方法研究[J];沈陽航空航天大學(xué)學(xué)報;2013年05期

7 桑海峰;郭昊;徐超;;基于運動特征的人體異常行為識別[J];中國科技論文;2014年07期

8 王傳旭;董晨晨;;基于時空特征點的群體異常行為檢測算法[J];數(shù)據(jù)采集與處理;2012年04期

9 沈海燕;馮云梅;史宏;;基于信息融合的客運站人體異常行為識別研究[J];公路交通科技;2009年S1期

10 陳穎鳴;陳樹越;張顯亭;;智能視頻監(jiān)控中異常行為識別研究[J];微電子學(xué)與計算機;2010年11期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 王碧英;孫健敏;;公仆型領(lǐng)導(dǎo)對員工行為的影響[A];第十二屆全國心理學(xué)學(xué)術(shù)大會論文摘要集[C];2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 林娜;小鼠異常行為的遺傳基礎(chǔ)研究[D];東北農(nóng)業(yè)大學(xué);2006年

2 Popoola Oluwatoyin Pius;擁擠環(huán)境下的異常行為檢測研究[D];哈爾濱工程大學(xué);2012年

3 張軍;基于視頻的運動人體異常行為分析識別研究[D];西安電子科技大學(xué);2009年

4 劉皓;基于條件隨機場模型的異常行為檢測方法研究[D];中國科學(xué)技術(shù)大學(xué);2014年

5 張毅;MANET環(huán)境中基于移動Agent的異常行為檢測與防御[D];哈爾濱工程大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張雁冰;監(jiān)控視頻中人體異常行為檢測研究[D];深圳大學(xué);2015年

2 梁玉;基于ORB興趣點的異常行為檢測技術(shù)研究[D];鄭州大學(xué);2015年

3 陳崗;治安監(jiān)控中基于計算機視覺的異常行為檢測技術(shù)研究[D];上海交通大學(xué);2015年

4 許龍;視頻中的異常行為檢測與分析研究[D];上海交通大學(xué);2015年

5 姚源;視頻中異常行為發(fā)現(xiàn)方法研究及實現(xiàn)[D];電子科技大學(xué);2014年

6 王朝新;基于視頻的行人異常行為檢測技術(shù)的應(yīng)用研究[D];電子科技大學(xué);2014年

7 張海峰;陽煤集團視頻異常監(jiān)控系統(tǒng)設(shè)計與實現(xiàn)[D];電子科技大學(xué);2014年

8 張丹;視頻監(jiān)控系統(tǒng)下航站樓旅客異常行為檢測方法研究[D];南京航空航天大學(xué);2014年

9 梁琛華;視頻監(jiān)控中的人體異常行為識別[D];國防科學(xué)技術(shù)大學(xué);2013年

10 朱明凌;面向智能視頻監(jiān)控系統(tǒng)的運動目標(biāo)檢測與異常行為分析[D];中國計量學(xué)院;2015年

  本文關(guān)鍵詞：網(wǎng)絡(luò)異常行為自動識別技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號：288960