隨著互聯(lián)網(wǎng)的廣泛運(yùn)用,互聯(lián)網(wǎng)已經(jīng)滲透到我們生活的各個(gè)角落,隨著互聯(lián)網(wǎng)運(yùn)用的普及,互聯(lián)網(wǎng)的安全也越發(fā)的引起我們的關(guān)注。作為主要的安全技術(shù)之一,網(wǎng)絡(luò)入侵檢測(cè)技術(shù)應(yīng)運(yùn)而生,網(wǎng)絡(luò)入侵檢測(cè)技術(shù)主要以之前的收集到的數(shù)據(jù)為基礎(chǔ),以檢測(cè)訪問(wèn)數(shù)據(jù)是否數(shù)據(jù)攻擊數(shù)據(jù)。對(duì)此,本文的主要研究如下:（1）鑒于飛蛾撲火優(yōu)化（MFO）算法收斂過(guò)快,易陷入局部最優(yōu)的問(wèn)題,本文提出一種改進(jìn)的二進(jìn)制飛蛾撲火優(yōu)化算法。該算法引入MFO螺旋飛行公式,具有較強(qiáng)的局部搜索能力;結(jié)合了粒子群優(yōu)化（PSO）算法的速度更新方法,讓種群個(gè)體隨著全局最優(yōu)解和歷史最優(yōu)解的方向移動(dòng),以增加算法的全局收斂性,從而避免易陷入局部最優(yōu)。實(shí)驗(yàn)先通過(guò)測(cè)試函數(shù)檢驗(yàn)改進(jìn)的飛蛾撲火優(yōu)化（PMFO）算法,再用sigmoid函數(shù)將原有的算法轉(zhuǎn)化為二進(jìn)制算法,及BPMFO算法,通過(guò)UCI數(shù)據(jù)集對(duì)BPMFO算法進(jìn)行檢驗(yàn),實(shí)驗(yàn)證明BPMFO算法與PMFO算法具有實(shí)用價(jià)值。（2）針對(duì)當(dāng)前網(wǎng)絡(luò)入侵檢測(cè)中的數(shù)據(jù)量較大、數(shù)據(jù)維度較高、識(shí)別率不高的特點(diǎn),本文考慮將PMFO與BPMFO算法應(yīng)用于網(wǎng)絡(luò)入侵檢測(cè)的分類(lèi)器優(yōu)化與特征選擇中。在分類(lèi)器優(yōu)化方面,本文考慮將改進(jìn)的飛蛾撲火優(yōu)化算法... 

【文章頁(yè)數(shù)】：53 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 引言
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 網(wǎng)絡(luò)入侵檢測(cè)研究現(xiàn)狀
        1.2.2 特征選擇研究現(xiàn)狀
        1.2.3 分類(lèi)算法研究現(xiàn)狀
        1.2.4 飛蛾撲火優(yōu)化算法研究現(xiàn)狀
    1.3 主要研究?jī)?nèi)容
    1.4 結(jié)構(gòu)安排
第2章 改進(jìn)的飛蛾撲火優(yōu)化算法
    2.1 飛蛾撲火優(yōu)化算法
    2.2 粒子群優(yōu)化算法
    2.3 提出的改進(jìn)算法
        2.3.1 改進(jìn)的飛蛾撲火優(yōu)化算法
        2.3.2 測(cè)試函數(shù)仿真實(shí)驗(yàn)
    2.4 PFMO的二進(jìn)制轉(zhuǎn)化
        2.4.1 基于PFMO的二進(jìn)制轉(zhuǎn)化方法
        2.4.2 二進(jìn)制仿真實(shí)驗(yàn)測(cè)試
    2.5 本章小結(jié)
第3章 網(wǎng)絡(luò)入侵檢測(cè)的性能提升方法
    3.1 網(wǎng)絡(luò)入侵檢測(cè)簡(jiǎn)介
    3.2 分類(lèi)算法簡(jiǎn)介
        3.2.1 樸素貝葉斯
        3.2.2 支持向量機(jī)
        3.2.3 K-近鄰算法
    3.3 特征選擇
        3.3.1 特征選擇簡(jiǎn)介
        3.3.2 基于優(yōu)化算法的特征選擇的方法
    3.4 PMFO優(yōu)化加權(quán)KNN的方法
        3.4.1 PMFO優(yōu)化的加權(quán)KNN
        3.4.2 數(shù)據(jù)預(yù)處理
        3.4.3 實(shí)驗(yàn)結(jié)果與分析
        3.4.4 實(shí)驗(yàn)結(jié)論
    3.5 BPMFO在網(wǎng)絡(luò)入侵檢測(cè)中特征選擇的方法
        3.5.1 基于BPMFO的網(wǎng)絡(luò)入侵檢測(cè)方法
        3.5.2仿真實(shí)驗(yàn)
        3.5.3 適應(yīng)度函數(shù)
        3.5.4 實(shí)驗(yàn)結(jié)果與分析
        3.5.5 實(shí)驗(yàn)結(jié)論
    3.6 本章小結(jié)
第4章 特征選擇與加權(quán)KNN結(jié)合優(yōu)化策略
    4.1 特征選擇與加權(quán)KNN結(jié)合優(yōu)化策略
        4.1.1 特征選擇與加權(quán)KNN結(jié)合優(yōu)化策略
        4.1.2 KNN權(quán)重選擇
        4.1.3 特征子集的選擇
    4.2 仿真實(shí)驗(yàn)
    4.3 實(shí)驗(yàn)結(jié)論
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 本文的工作與總結(jié)
    5.2 后續(xù)工作展望
參考文獻(xiàn)
致謝
附錄


【參考文獻(xiàn)】：
期刊論文
[1]基于信息增益與主成分分析的網(wǎng)絡(luò)入侵檢測(cè)方法[J]. 王旭仁,馬慧珍,馮安然,許祎娜.  計(jì)算機(jī)工程. 2019(06)
[2]基于改進(jìn)灰狼優(yōu)化算法的分布式電源優(yōu)化配置[J]. 蔡國(guó)偉,劉旭,張旺,孟濤,鄭天宇.  太陽(yáng)能學(xué)報(bào). 2019(01)
[3]基于PSO-BP神經(jīng)網(wǎng)絡(luò)的MEMS加速度計(jì)溫度補(bǔ)償[J]. 王法亮,徐大誠(chéng).  傳感器與微系統(tǒng). 2019(02)
[4]基于統(tǒng)計(jì)指導(dǎo)的飛蛾撲火算法求解大規(guī)模優(yōu)化問(wèn)題[J]. 劉小龍.  控制與決策. 2020(04)
[5]云計(jì)算下網(wǎng)絡(luò)入侵檢測(cè)頻率智能調(diào)整算法仿真[J]. 范斌.  計(jì)算機(jī)仿真. 2018(09)
[6]基于機(jī)器學(xué)習(xí)的混合式特征選擇算法[J]. 雷海銳,高秀峰,劉輝.  電子測(cè)量技術(shù). 2018(16)
[7]基于MFO-SVM的空氣質(zhì)量指數(shù)預(yù)測(cè)[J]. 高帥,胡紅萍,李洋,白艷萍.  中北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[8]基于自適應(yīng)卷積濾波的網(wǎng)絡(luò)近鄰入侵檢測(cè)算法[J]. 盧強(qiáng),游榮義,葉曉紅.  計(jì)算機(jī)科學(xué). 2018(07)
[9]KNN-樸素貝葉斯算法的滾動(dòng)軸承故障診斷[J]. 路敦利,寧芊,楊曉敏.  計(jì)算機(jī)測(cè)量與控制. 2018(06)
[10]機(jī)器學(xué)習(xí)在網(wǎng)絡(luò)空間安全研究中的應(yīng)用[J]. 張蕾,崔勇,劉靜,江勇,吳建平.  計(jì)算機(jī)學(xué)報(bào). 2018(09)

博士論文
[1]基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)入侵檢測(cè)關(guān)鍵技術(shù)研究[D]. 郭春.北京郵電大學(xué) 2014

碩士論文
[1]基于聚類(lèi)分析和智能優(yōu)化特征選擇的基因微陣列數(shù)據(jù)分類(lèi)[D]. 宋創(chuàng).西安電子科技大學(xué) 2014



本文編號(hào)：3652590