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
欧美日韩亚洲巨色人妻| 国产成人精品资源在线观看| 亚洲国产av在线观看一区| 午夜福利网午夜福利网| 国产精品尹人香蕉综合网| av中文字幕一区二区三区在线| 真实偷拍一区二区免费视频| 日韩高清毛片免费观看| 五月综合激情婷婷丁香| 国产丝袜极品黑色高跟鞋| 黄片免费在线观看日韩| 国产亚洲欧美一区二区| 在线观看欧美视频一区| 亚洲精品黄色片中文字幕| 绝望的校花花间淫事2| 亚洲一区二区久久观看| 丰满少妇被猛烈插入在线观看| 精品亚洲一区二区三区w竹菊| 欧美人妻少妇精品久久性色| 日韩一区二区三区免费av| 精品精品国产自在久久高清| 日韩精品日韩激情日韩综合| 精产国品一二三区麻豆| 色一情一乱一区二区三区码| 97人摸人人澡人人人超碰| 亚洲av日韩一区二区三区四区| 国产精品一区二区三区欧美| 粉嫩一区二区三区粉嫩视频| 国产三级不卡在线观看视频| 精品人妻一区二区三区在线看 | 亚洲综合伊人五月天中文| 亚洲国产色婷婷久久精品| 一区二区日韩欧美精品| 色婷婷视频免费在线观看| 91久久精品国产一区蜜臀| 欧美激情视频一区二区三区| 日韩无套内射免费精品| 亚洲欧美日韩中文字幕二欧美 | 日本精品免费在线观看| 天堂网中文字幕在线视频| 九九热国产这里只有精品|