本文關(guān)鍵詞：入侵檢測中的KPCA算法改進(jìn)與應(yīng)用研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：21世紀(jì)是人類社會快速發(fā)展的時代,也是個網(wǎng)絡(luò)科技飛速發(fā)展的時代。各種網(wǎng)絡(luò)犯罪也伴隨著計算機(jī)技術(shù)的進(jìn)步而日漸猖獗,并且從方法手段上也變得越來越隱蔽難以發(fā)覺,一旦受到網(wǎng)絡(luò)攻擊無論個人還是組織都將難以避免的蒙受損失。因此各國政府越來越重視網(wǎng)絡(luò)信息安全的防護(hù),紛紛出臺各種相應(yīng)政策,設(shè)立機(jī)構(gòu)加強(qiáng)網(wǎng)絡(luò)安全的維護(hù)工作。網(wǎng)絡(luò)的開放特性決定了其本身在信息安全方面不足,各種安全保護(hù)系統(tǒng)隨著計算機(jī)技術(shù)發(fā)展也變得容易被攻破,伴隨著電子商務(wù)的發(fā)展,網(wǎng)絡(luò)入侵事件不僅只針對大公司企業(yè)組織,而且也開始向盜取個人用戶信息和個人財產(chǎn)方面發(fā)展,因此研究有效的網(wǎng)絡(luò)入侵檢測系統(tǒng)是目前情況的當(dāng)務(wù)之急。在入侵檢測系統(tǒng)中,提取網(wǎng)絡(luò)入侵的重要特征是判斷是否發(fā)生入侵行為的重要突破口,因此特征提取技術(shù)就成為了研究入侵檢測的關(guān)鍵技術(shù),有效的特征提取技術(shù)可以極大的減小入侵檢測系統(tǒng)響應(yīng)時間,使入侵行為發(fā)生可以及早的預(yù)警并且能夠采取相應(yīng)地處理措施。本文首先分析入侵檢測研究中所出現(xiàn)的方法和技術(shù),對目前大量使用的檢測技術(shù)進(jìn)行介紹,隨后針對傳統(tǒng)核主成分分析(KPCA)在入侵檢測應(yīng)用中對模式分類問題所提取出的特征組合的不足,提出了一種基于信息度量相似度的改進(jìn)KPCA算法。按照最有利于模式分類的方法對提取出的特征向量進(jìn)行組合,并剔除降維后與樣本類別屬性相似度低的特征,選取有利于檢測出異常的特征組合。本文使用類間離散程度與類內(nèi)聚集程度所組成的信息度來代替KPCA方法中累計貢獻(xiàn)率,用信息度來衡量提取的特征向量所具有的后續(xù)分類能力,選取信息度最高的n個特征向量組成新的特征空間。為衡量新的特征空間與樣本類別之間的關(guān)系,選擇對分類問題最有利的特征組合,因此本文提出相似度的概念用來計算特征向量與樣本類別之間的相關(guān)程度,剔除與樣本類別相關(guān)度為0或趨于0的特征向量組合。實(shí)驗(yàn)中選用從KDDCUP99數(shù)據(jù)集中提取的子集作為實(shí)驗(yàn)數(shù)據(jù),先選取通過本文方法所提取的特征空間的前3維特征向量組成3維空間,在3維空間中各類別樣本很好地被分開,顯示本文方法較好的分類能力。在更準(zhǔn)確的分類中,本文使用C4.5分類算法對提取出的特征進(jìn)行異常檢測。通過實(shí)驗(yàn),對比本文改進(jìn)算法與KPCA算法,在準(zhǔn)確率上有了較大的提高,漏警率與誤警率都有一定程度的下降。而從實(shí)驗(yàn)性能上看,本文方法比KPCA方法在選取的特征向量更少,而各項指標(biāo)卻顯示出更大的優(yōu)勢,計算消耗更低。最后對本階段工作進(jìn)行總結(jié),并提出了今后工作的努力方向。
【關(guān)鍵詞】：入侵檢測 分類 特征提取 核主成分分析
【學(xué)位授予單位】：齊齊哈爾大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP393.08
【目錄】：

• 摘要6-7
• Abstract7-10
• 1 緒論10-13
• 1.1 研究背景及意義10-11
• 1.2 研究現(xiàn)狀11-12
• 1.3 論文結(jié)構(gòu)12-13
• 2 理論基礎(chǔ)13-30
• 2.1 入侵檢測常用算法綜述13-24
• 2.1.1 入侵檢測概述13-15
• 2.1.2 入侵檢測系統(tǒng)的檢測方法15-18
• 2.1.3 入侵檢測常用技術(shù)18-24
• 2.2 入侵檢測中的特征提取技術(shù)24-29
• 2.2.1 基于PCA的特征提取方法25-27
• 2.2.2 基于KPCA的特征提取方法27-29
• 2.3 小結(jié)29-30
• 3 入侵檢測中的KPCA算法改進(jìn)與設(shè)計30-36
• 3.1 KPCA的算法改進(jìn)30-35
• 3.1.1 入侵檢測數(shù)據(jù)處理技術(shù)31-32
• 3.1.2 改進(jìn)的KPCA算法32-34
• 3.1.3 特征向量的選擇34-35
• 3.2 改進(jìn)KPCA算法的設(shè)計35
• 3.3 小結(jié)35-36
• 4 改進(jìn)KPCA算法在入侵檢測中的應(yīng)用36-49
• 4.1 分類算法的選取與軟件環(huán)境36-37
• 4.1.1 分類器的選取36-37
• 4.1.2 實(shí)驗(yàn)設(shè)備及軟件環(huán)境37
• 4.2 實(shí)驗(yàn)環(huán)境及數(shù)據(jù)的選取37-40
• 4.2.1 實(shí)驗(yàn)數(shù)據(jù)選取37-39
• 4.2.2 數(shù)據(jù)預(yù)處理39-40
• 4.3 實(shí)驗(yàn)結(jié)果與分析40-48
• 4.3.1 傳統(tǒng)KPCA算法仿真與分析40-41
• 4.3.2 基于改進(jìn)算法的仿真與分析41-48
• 4.4 小結(jié)48-49
• 結(jié)論49-50
• 參考文獻(xiàn)50-55
• 攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況55-56
• 致謝56-57

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 肖健華,吳今培;基于核的特征提取技術(shù)及應(yīng)用研究[J];計算機(jī)工程;2002年10期

2 張水利;任淑萍;王欣峰;;基于內(nèi)容的圖像檢索技術(shù)的現(xiàn)狀和發(fā)展趨勢研究[J];科技情報開發(fā)與經(jīng)濟(jì);2007年17期

3 白文榮;壽震坤;;聯(lián)機(jī)手寫蒙古文字特征提取技術(shù)的研究[J];內(nèi)蒙古科技與經(jīng)濟(jì);2009年23期

4 張穎;姚曉東;;基于有效性評價機(jī)制的小波包特征提取技術(shù)[J];微計算機(jī)信息;2010年04期

5 蒲天銀;饒正嬋;田華;顏寶平;;特征提取技術(shù)中噪聲過濾算法研究[J];計算機(jī)時代;2014年04期

6 秦姣華;向旭宇;;漢字復(fù)雜指數(shù)特征提取技術(shù)的實(shí)現(xiàn)及其改進(jìn)[J];計算機(jī)工程與設(shè)計;2006年02期

7 張素芳;李劍中;馮剛;;基于內(nèi)容的圖像檢索技術(shù)概述及其發(fā)展趨勢[J];儀器儀表學(xué)報;2006年S1期

8 呂進(jìn)來;相潔;陳俊杰;成琳;;基于感興趣區(qū)域特征提取技術(shù)的情感語義研究[J];計算機(jī)工程與設(shè)計;2010年03期

9 周斌;王秀敏;果然;李紹濱;毛興鵬;;輻射源個體特征提取技術(shù)綜述[J];電訊技術(shù);2011年06期

10 彭健航;;通信輻射源個體特征提取技術(shù)[J];電子測試;2012年07期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 李彬彬;易寶林;羅樂;劉文嬌;;基于信源學(xué)的光譜曲線特征提取技術(shù)比較研究[A];中國通信學(xué)會第六屆學(xué)術(shù)年會論文集（中）[C];2009年

2 費(fèi)文東;孟相如;;基于細(xì)胞神經(jīng)網(wǎng)絡(luò)文字識別的特征提取技術(shù)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

3 王振會;裴曉芳;官莉;許建明;;主特征提取技術(shù)在FY-1C圖像處理中的應(yīng)用[A];農(nóng)業(yè)生態(tài)與衛(wèi)星遙感應(yīng)用技術(shù)學(xué)術(shù)交流會論文摘要集[C];2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 謝志華;紅外人臉識別中魯棒特征提取技術(shù)的研究[D];江西財經(jīng)大學(xué);2011年

2 劉景能;圖像局部不變特征提取技術(shù)及其應(yīng)用研究[D];上海交通大學(xué);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊淼;光學(xué)遙感影像局部特征提取技術(shù)及其應(yīng)用研究[D];電子科技大學(xué);2015年

2 何新;入侵檢測中的KPCA算法改進(jìn)與應(yīng)用研究[D];齊齊哈爾大學(xué);2015年

3 黃麗莉;具有局部學(xué)習(xí)能力的特征提取技術(shù)研究及應(yīng)用[D];安徽理工大學(xué);2014年

4 邢云冬;木馬網(wǎng)絡(luò)通信特征提取技術(shù)研究[D];解放軍信息工程大學(xué);2010年

5 周敏;基于姿態(tài)矯正的幼蟲特征提取技術(shù)研究[D];中國計量學(xué)院;2013年

6 馮建強(qiáng);人臉分割和特征提取技術(shù)研究[D];南京航空航天大學(xué);2004年

7 孫濤;特征提取技術(shù)研究及其在人臉識別中的應(yīng)用[D];中南大學(xué);2007年

8 王超;特征提取技術(shù)在人臉識別中的研究與應(yīng)用[D];江南大學(xué);2009年

9 何德雨;直升機(jī)傳動鏈關(guān)鍵部件故障特征提取技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2012年

10 朱紅霞;復(fù)雜構(gòu)件內(nèi)部結(jié)構(gòu)特征提取技術(shù)研究[D];中北大學(xué);2010年

  本文關(guān)鍵詞：入侵檢測中的KPCA算法改進(jìn)與應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

本文編號：317803