發(fā)布時間：2021-02-06 03:56

　　隨著互聯(lián)網(wǎng)的飛速發(fā)展,計(jì)算機(jī)網(wǎng)絡(luò)以其快速開放式、自由任意傳播信息的特點(diǎn)給人們帶來了極大的便利,與此同時用戶在共享資源時卻不得不面對隱私保護(hù)問題,尤其是近幾年電子商務(wù)和電子政務(wù)等應(yīng)用的推廣,使得網(wǎng)絡(luò)安全成為各大公司和研究機(jī)構(gòu)關(guān)注的重點(diǎn)。談到網(wǎng)絡(luò)安全,公眾首先想到的就是防火墻、訪問控制等技術(shù)。然而這些技術(shù)具有一定的局限性,主要缺點(diǎn)是不能良好地防御來自網(wǎng)絡(luò)內(nèi)部的攻擊,實(shí)際上幾乎一半的嚴(yán)重攻擊和入侵都來自內(nèi)部用戶。入侵檢測技術(shù)為了彌補(bǔ)這一缺陷被提了出來,其逐漸成為網(wǎng)絡(luò)主動安全防御的重要組成部分。傳統(tǒng)的入侵檢測系統(tǒng)（Intrusion Detection System,IDS）普遍存在性能不足、效率底下等問題,選擇合適的算法、設(shè)計(jì)高效率的入侵檢測模型,已成為網(wǎng)絡(luò)安全領(lǐng)域研究的熱點(diǎn)。針對以上入侵檢測方法中存在的問題,本文首先提出了一種基于改進(jìn)煙花算法的SVM特征選擇和參數(shù)優(yōu)化的模型。支持向量機(jī)（Support Vector Machine,SVM）是通過尋求結(jié)構(gòu)風(fēng)險最小化來實(shí)現(xiàn)實(shí)際風(fēng)險最小化的機(jī)器學(xué)習(xí)算法,其目標(biāo)是追求在有限信息的條件下得到最優(yōu)結(jié)果。它通過構(gòu)建非線性映射模型,有效地解決了高維度、非... 

【文章來源】：安徽大學(xué)安徽省 211工程院校

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 入侵檢測方法研究現(xiàn)狀
        1.2.2 特征維度消減和SVM參數(shù)優(yōu)化研究現(xiàn)狀
    1.3 本文主要的研究內(nèi)容及組織結(jié)構(gòu)
第二章 基本理論及算法
    2.1 基本理論
        2.1.1 群體智能算法概述
        2.1.2 分類學(xué)習(xí)算法概述
    2.2 支持向量機(jī)概述
        2.2.1 支持向量機(jī)的基本思想
        2.2.2 支持向量機(jī)與核函數(shù)
    2.3 本章小結(jié)
第三章 基于改進(jìn)煙花算法的SVM的特征選擇和參數(shù)優(yōu)化
    3.1 煙花算法
        3.1.1 算法描述
        3.1.2 算法特點(diǎn)及應(yīng)用領(lǐng)域
    3.2 基于二進(jìn)制煙花算法的SVM的特征選擇和參數(shù)優(yōu)化
        3.2.1 爆炸算子
        3.2.2 變異算子
        3.2.3 選擇策略
        3.2.4 適應(yīng)度函數(shù)
        3.2.5 算法流程
    3.3 實(shí)驗(yàn)仿真
        3.3.1 實(shí)驗(yàn)設(shè)置與測試數(shù)據(jù)集
        3.3.2 實(shí)驗(yàn)結(jié)果與分析
    3.4 本章小結(jié)
第四章 基于改進(jìn)煙花算法和SVM融合的入侵檢測系統(tǒng)
    4.1 入侵檢測
    4.2 基于改進(jìn)煙花算法和SVM融合的入侵檢測模型
        4.2.1 入侵檢測模型
        4.2.2 入侵實(shí)驗(yàn)數(shù)據(jù)集來源
        4.2.3 數(shù)據(jù)預(yù)處理
        4.2.4 模型性能評價標(biāo)準(zhǔn)
    4.3 實(shí)驗(yàn)參數(shù)設(shè)置與實(shí)驗(yàn)結(jié)果
        4.3.1 實(shí)驗(yàn)參數(shù)設(shè)置
        4.3.2 實(shí)驗(yàn)一: 本文算法與SVM算法對比
        4.3.3 實(shí)驗(yàn)二: 本文算法與相似算法對比
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 論文工作總結(jié)
    5.2 未來工作展望
參考文獻(xiàn)
致謝
攻讀碩士期間發(fā)表的學(xué)術(shù)論文
攻讀碩士期間參加的科研項(xiàng)目



本文編號：3020107