伴隨著社會的發(fā)展、人類文明的進(jìn)步，網(wǎng)絡(luò)的發(fā)展也是空前絕后的，可以說今天人類社會的發(fā)展是離不開網(wǎng)絡(luò)的。由于Internet的不斷發(fā)展，導(dǎo)致網(wǎng)絡(luò)上需要處理的信息量的增加速度是人們難以想象的，網(wǎng)絡(luò)就像一把雙刃劍，在給人們帶來利益和方便的同時(shí)，也帶來了不少負(fù)面的影響，網(wǎng)絡(luò)上的攻擊和破壞也是逐年增多。當(dāng)前網(wǎng)絡(luò)攻擊日益趨向復(fù)雜化和智能化，那么，傳統(tǒng)的網(wǎng)絡(luò)安全防御技術(shù)（如防火墻、訪問權(quán)限控制等）手段已顯得難以應(yīng)對。作為保障網(wǎng)絡(luò)安全的主流技術(shù)手段——入侵檢測技術(shù)（IDS）就變得備受關(guān)注。經(jīng)過多年的發(fā)展，該技術(shù)領(lǐng)域已經(jīng)日趨成熟，將數(shù)據(jù)挖掘中技術(shù)應(yīng)用到入侵檢測領(lǐng)域已經(jīng)成為保障網(wǎng)絡(luò)安全的研究熱點(diǎn)。但是，由于入侵手段的不斷發(fā)展以及入侵審計(jì)數(shù)據(jù)信息量不斷增大，使得傳統(tǒng)的經(jīng)典數(shù)據(jù)挖掘分類技術(shù)在網(wǎng)絡(luò)入侵檢測的應(yīng)用中已經(jīng)顯得捉襟見肘，無法保證入侵檢測系統(tǒng)的檢測率、實(shí)時(shí)性的要求。本文在分析了傳統(tǒng)的樸素貝葉斯分類基礎(chǔ)上，提出一種改進(jìn)的貝葉斯分類算法和基于傳統(tǒng)貝葉斯分類的入侵檢測系統(tǒng)的改進(jìn)模型，旨在改進(jìn)傳統(tǒng)貝葉斯分類入侵檢測系統(tǒng)模型在檢測率、檢測時(shí)間上不足的問題。在此之后，提出了一種基于粗糙集理論依賴度的屬性簡約方法，以達(dá)... 

【文章來源】：蘭州交通大學(xué)甘肅省

【文章頁數(shù)】：57 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 前言
    1.2 選題的背景和研究意義
    1.3 論文的主要工作
    1.4 論文的結(jié)構(gòu)安排
2 數(shù)據(jù)挖掘和入侵檢測技術(shù)
    2.1 數(shù)據(jù)挖掘概述
    2.2 數(shù)據(jù)挖掘的步驟
    2.3 數(shù)據(jù)挖掘的主要算法
    2.4 入侵檢測技術(shù)
        2.4.1 入侵檢測技術(shù)概述
        2.4.2 入侵檢測系統(tǒng)的主要類型
    2.5 入侵檢測技術(shù)的發(fā)展方向
    2.6 貝葉斯分類的入侵檢測技術(shù)的應(yīng)用研究
    2.7 本章小結(jié)
3 貝葉斯分類原理研究
    3.1 引言
    3.2 貝葉斯分類理論
        3.2.1 貝葉斯分類的一般原理
        3.2.2 樸素貝葉斯分類
    3.3 樸素貝葉斯算法的改進(jìn)
    3.4 入侵檢測中貝葉斯分類系統(tǒng)的建立
        3.4.1 訓(xùn)練過程
        3.4.2 檢測過程
    3.5 樸素貝葉斯分類在入侵檢測應(yīng)用中的優(yōu)缺點(diǎn)
    3.6 本章小結(jié)
4 基于粗糙集理論屬性簡約方法研究
    4.1 引言
    4.2 屬性選擇的論述
    4.3 屬性的評價(jià)標(biāo)準(zhǔn)
    4.4 屬性選擇方法介紹
        4.4.1 Relief 方法
        4.4.2 信息熵的屬性選擇方法
    4.5 粗糙集合理論概述
    4.6 粗糙集合相關(guān)定義
    4.7 基于粗糙集合理論的區(qū)分矩陣方法求解屬性簡約
    4.8 基于屬性依賴度方法求解屬性簡約
    4.9 本章小結(jié)
5 基于改進(jìn)貝葉斯入侵檢測模型實(shí)驗(yàn)的建立
    5.1 實(shí)驗(yàn)環(huán)境、平臺以及數(shù)據(jù)集介紹
        5.1.1 測試平臺—WEKA 軟件
        5.1.2 實(shí)驗(yàn)數(shù)據(jù)介紹
    5.2 對改進(jìn)后的貝葉斯分類算法建立實(shí)驗(yàn)
    5.3 對改進(jìn)后的貝葉斯入侵檢測系統(tǒng)建立實(shí)驗(yàn)
    5.4 基于依賴度屬性選擇方法在實(shí)際中的應(yīng)用
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 工作展望
致謝
參考文獻(xiàn)
攻讀學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于IPV6網(wǎng)絡(luò)安全的入侵檢測技術(shù)探析[J]. 李泓達(dá).  科技致富向?qū)? 2013(03)
[2]數(shù)據(jù)挖掘技術(shù)在網(wǎng)絡(luò)入侵檢測中的應(yīng)用[J]. 常濱.  科技致富向?qū)? 2013(03)
[3]入侵檢測技術(shù)的研究與發(fā)展[J]. 李金鳳,楊文君.  黑龍江科技信息. 2012(35)
[4]貝葉斯分類算法在入侵檢測中的應(yīng)用研究[J]. 高亮.  科技信息. 2012(32)
[5]基于誤用檢測與異常行為檢測的整合模型[J]. 謝紅,劉人杰,陳純鍇.  重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(01)
[6]KICA與Relief算法相結(jié)合的人臉識別研究[J]. 李秀麗,董吉文,吳瑞海.  山東科學(xué). 2011(05)
[7]一種改進(jìn)的決策樹分類屬性選擇方法[J]. 王苗,柴瑞敏.  計(jì)算機(jī)工程與應(yīng)用. 2010(08)
[8]基于數(shù)據(jù)倉庫的數(shù)據(jù)挖掘技術(shù)研究現(xiàn)狀與進(jìn)展[J]. 朱玉穎,劉宏偉,張巖.  信息化縱橫. 2009(06)
[9]Relief算法在關(guān)門車故障自動識別中的應(yīng)用[J]. 賴冰凌,王新宇.  鐵路計(jì)算機(jī)應(yīng)用. 2007(01)
[10]改進(jìn)貝葉斯分類算法在入侵檢測中的研究[J]. 張錚,高志森,李俊.  計(jì)算機(jī)技術(shù)與發(fā)展. 2007(01)

碩士論文
[1]數(shù)據(jù)挖掘在某聯(lián)通公司客戶關(guān)系管理中的應(yīng)用[D]. 王冠軍.合肥工業(yè)大學(xué) 2012
[2]情緒圖片視覺誘發(fā)EEG特征提取與分析[D]. 曾紅梅.天津大學(xué) 2012
[3]稀有類分類算法在入侵檢測中的應(yīng)用[D]. 谷振亞.太原理工大學(xué) 2010
[4]基于社保系統(tǒng)平臺的雙向轉(zhuǎn)診管理信息系統(tǒng)設(shè)計(jì)[D]. 衣小靜.東北林業(yè)大學(xué) 2010
[5]基于數(shù)據(jù)挖掘的Snort系統(tǒng)改進(jìn)模型的研究[D]. 康立錦.西安理工大學(xué) 2009
[6]數(shù)據(jù)挖掘中基于統(tǒng)計(jì)相關(guān)的屬性選擇研究[D]. 曾德志.西南財(cái)經(jīng)大學(xué) 2009
[7]貝葉斯分類及其在入侵檢測中的應(yīng)用研究[D]. 鐘慰.中南林業(yè)科技大學(xué) 2008
[8]基于樸素貝葉斯和One-R的入侵檢測問題研究[D]. 王翔.合肥工業(yè)大學(xué) 2008
[9]基于粗糙集的數(shù)據(jù)挖掘技術(shù)研究[D]. 劉菲斐.遼寧師范大學(xué) 2007
[10]基于遺傳神經(jīng)網(wǎng)絡(luò)的入侵檢測研究[D]. 李陽.中南林業(yè)科技大學(xué) 2007



本文編號：3298775