天堂国产午夜亚洲专区-少妇人妻综合久久蜜臀-国产成人户外露出视频在线-国产91传媒一区二区三区

基于異常流量分析的網(wǎng)絡(luò)攻擊檢測(cè)技術(shù)研究

發(fā)布時(shí)間:2020-11-20 12:05
   隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展,網(wǎng)絡(luò)攻擊所帶來的危害也愈加嚴(yán)重,如何在被攻擊之前快速、準(zhǔn)確、全面的進(jìn)行識(shí)別和防護(hù),對(duì)于確保信息系統(tǒng)的安全運(yùn)行和減少經(jīng)濟(jì)損失具有重大的現(xiàn)實(shí)意義。本文基于異常流量的發(fā)現(xiàn)和分析,對(duì)網(wǎng)絡(luò)攻擊檢測(cè)技術(shù)進(jìn)行研究,旨在進(jìn)一步提高網(wǎng)絡(luò)攻擊檢測(cè)模型的及時(shí)性和準(zhǔn)確性。具體工作如下:(1)提出基于網(wǎng)絡(luò)流量預(yù)測(cè)的異常流量檢測(cè)模型。該模型首先對(duì)網(wǎng)絡(luò)流量時(shí)間序列進(jìn)行相空間重構(gòu),將重構(gòu)后的流量序列作為模型的輸入;再利用具有全局尋優(yōu)能力的粒子群算法(Particle Swarm Optimization,PSO)對(duì)Elman神經(jīng)網(wǎng)絡(luò)初始參數(shù)進(jìn)行優(yōu)化,然后利用訓(xùn)練好的Elman神經(jīng)網(wǎng)絡(luò)對(duì)網(wǎng)絡(luò)流量進(jìn)行預(yù)測(cè);最后采用基于K最近鄰(K Nearest Neighbor,KNN)累計(jì)距離的異常流量檢測(cè)方法,檢測(cè)預(yù)測(cè)流量的異常情況。網(wǎng)絡(luò)流量預(yù)測(cè)精度的提高,使得異常流量的檢測(cè)具有及時(shí)性。(2)提出基于異常流量的網(wǎng)絡(luò)攻擊檢測(cè)模型。該模型將異常流量檢測(cè)模型檢測(cè)到的異常流量作為輸入,首先利用極限學(xué)習(xí)機(jī)(Extreme Learning Machine,ELM)算法將線性不可分的樣本從低維空間影射到高維特征空間,使其變?yōu)榫性可分;然后用KNN算法對(duì)影射到高維特征空間的樣本進(jìn)行分類,建立攻擊檢測(cè)分類器,識(shí)別網(wǎng)絡(luò)攻擊類型。實(shí)驗(yàn)結(jié)果表明,相比其他攻擊檢測(cè)方法,本文提出的基于異常流量分析的網(wǎng)絡(luò)攻擊檢測(cè)模型提高了入侵檢測(cè)正確率,能夠有效識(shí)別網(wǎng)絡(luò)攻擊類型,確保信息系統(tǒng)安全。
【學(xué)位單位】:中國民航大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位年份】:2018
【中圖分類】:TP393.08
【文章目錄】:
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
        1.2.1 異常流量檢測(cè)研究現(xiàn)狀
        1.2.2 網(wǎng)絡(luò)攻擊檢測(cè)研究現(xiàn)狀
        1.2.3 網(wǎng)絡(luò)流量預(yù)測(cè)研究現(xiàn)狀
    1.3 本文研究內(nèi)容
    1.4 論文結(jié)構(gòu)
第二章 相關(guān)理論研究
    2.1 網(wǎng)絡(luò)異常流量
        2.1.1 蠕蟲病毒
        2.1.2 分布式拒絕服務(wù)攻擊
        2.1.3 掃描攻擊
        2.1.4 遠(yuǎn)程通信
    2.2 相關(guān)算法介紹
        2.2.1 PSO-Elman算法分析
        2.2.2 ELM-KNN算法分析
    2.3 本章小結(jié)
第三章 基于網(wǎng)絡(luò)流量預(yù)測(cè)的異常流量檢測(cè)
    3.1 網(wǎng)絡(luò)流量預(yù)測(cè)模型
        3.1.1 相空間重構(gòu)
        3.1.2 C-C方法
    3.2 實(shí)驗(yàn)部分
        3.2.1 實(shí)驗(yàn)數(shù)據(jù)與環(huán)境
        3.2.2 數(shù)據(jù)預(yù)處理
        3.2.3 相空間重構(gòu)和PSO參數(shù)選定
        3.2.4 結(jié)果與分析
    3.3 異常流量檢測(cè)
    3.4 本章小結(jié)
第四章 基于異常流量的網(wǎng)絡(luò)攻擊檢測(cè)模型
    4.1 基于ELM-KNN的網(wǎng)絡(luò)攻擊檢測(cè)模型
    4.2 實(shí)驗(yàn)部分
        4.2.1 實(shí)驗(yàn)數(shù)據(jù)及實(shí)驗(yàn)環(huán)境
        4.2.2 冗余特征的篩選
        4.2.3 KNN算法的K值的選擇
        4.2.4 ELM隱含層節(jié)點(diǎn)個(gè)數(shù)和激勵(lì)函數(shù)的選擇
        4.2.5 實(shí)驗(yàn)結(jié)果與分析
    4.3 本章總結(jié)
第五章 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)
作者簡(jiǎn)介

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郭成華;;基于KDDCUP99數(shù)據(jù)集的入侵檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2017年12期

2 田中大;李樹江;王艷紅;王向東;;高斯過程回歸補(bǔ)償ARIMA的網(wǎng)絡(luò)流量預(yù)測(cè)[J];北京郵電大學(xué)學(xué)報(bào);2017年06期

3 盧誠波;林銀河;梅穎;;基于ELM特征映射的kNN算法[J];復(fù)旦學(xué)報(bào)(自然科學(xué)版);2016年05期

4 李宇翀;魏東;羅興國;錢葉魁;劉鳳榮;;基于多元增量分析的全網(wǎng)絡(luò)在線異常檢測(cè)方法[J];上海交通大學(xué)學(xué)報(bào);2016年09期

5 張立仿;張喜平;;量子遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測(cè)[J];計(jì)算機(jī)工程與科學(xué);2016年01期

6 左青云;陳鳴;王秀磊;劉波;;一種基于SDN的在線流量異常檢測(cè)方法[J];西安電子科技大學(xué)學(xué)報(bào);2015年01期

7 唐舟進(jìn);彭濤;王文博;;一種基于相關(guān)分析的局域最小二乘支持向量機(jī)小尺度網(wǎng)絡(luò)流量預(yù)測(cè)算法[J];物理學(xué)報(bào);2014年13期

8 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(cè)研究[J];計(jì)算機(jī)學(xué)報(bào);2014年05期

9 孫軼軒;邵春福;計(jì)尋;朱亮;;基于ARIMA與信息;疭VR組合模型的交通事故時(shí)序預(yù)測(cè)[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年03期

10 張萌;張滬寅;葉剛;;延遲時(shí)間和嵌入維數(shù)聯(lián)合優(yōu)化的網(wǎng)絡(luò)流量預(yù)測(cè)[J];計(jì)算機(jī)工程與應(yīng)用;2014年04期


相關(guān)博士學(xué)位論文 前2條

1 高妮;網(wǎng)絡(luò)安全多維動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估關(guān)鍵技術(shù)研究[D];西北大學(xué);2016年

2 鄔書躍;基于支持向量機(jī)和貝葉斯分析技術(shù)的入侵檢測(cè)方法研究[D];中南大學(xué);2012年


相關(guān)碩士學(xué)位論文 前5條

1 王有金;數(shù)據(jù)挖掘在入侵檢測(cè)系統(tǒng)中的應(yīng)用研究[D];吉林大學(xué);2017年

2 彭徽;基于改進(jìn)動(dòng)態(tài)聚類算法的兩步入侵檢測(cè)研究[D];安徽理工大學(xué);2016年

3 宋若寧;海量數(shù)據(jù)環(huán)境下的網(wǎng)絡(luò)流量異常檢測(cè)的研究[D];北京郵電大學(xué);2015年

4 賀其備;基于支持向量機(jī)的入侵檢測(cè)研究[D];東北師范大學(xué);2013年

5 張來武;改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)與D-S證據(jù)理論融合在入侵檢測(cè)系統(tǒng)中的應(yīng)用[D];云南大學(xué);2013年



本文編號(hào):2891391

資料下載
論文發(fā)表

本文鏈接:http://sikaile.net/guanlilunwen/ydhl/2891391.html


Copyright(c)文論論文網(wǎng)All Rights Reserved | 網(wǎng)站地圖 |

版權(quán)申明:資料由用戶648bc***提供,本站僅收錄摘要或目錄,作者需要?jiǎng)h除請(qǐng)E-mail郵箱bigeng88@qq.com
国产一级片内射视频免费播放| 暴力三级a特黄在线观看| 国产中文字幕久久黄色片| 欧美亚洲三级视频在线观看| 欧美精品在线播放一区二区| 日韩人妻免费视频一专区| 亚洲欧美日本国产有色| 91麻豆精品欧美一区| 东京热男人的天堂一二三区| 成人精品一区二区三区综合| 午夜福利精品视频视频 | 国产在线成人免费高清观看av| 国产成人亚洲欧美二区综| 欧美一区二区三区播放| 国产一区欧美午夜福利| 亚洲精品有码中文字幕在线观看| 亚洲天堂国产精品久久精品| 国产精品亚洲一级av第二区| 精品人妻久久一品二品三品| 国产综合一区二区三区av| 日韩精品免费一区二区三区| 成人日韩在线播放视频| 欧美久久一区二区精品| 欧美人妻一区二区三区| 中文字日产幕码三区国产 | 亚洲二区欧美一区二区| 真实偷拍一区二区免费视频| 久久精品国产第一区二区三区| 亚洲精品国产第一区二区多人| 日本一区不卡在线观看| 国产成人人人97超碰熟女| 国产亚洲精品香蕉视频播放| 麻豆一区二区三区在线免费| 国产一区二区三区丝袜不卡| 高潮日韩福利在线观看| 日本加勒比不卡二三四区| 亚洲免费黄色高清在线观看| 成年人黄片大全在线观看| 国产成人亚洲综合色就色| 国产成人精品视频一二区| 日韩精品中文字幕在线视频|