人們的日常工作生活日益依賴于網(wǎng)絡,網(wǎng)絡安全同時越來越受重視。入侵檢測系統(tǒng)能夠有效檢測阻止異常行為,保障網(wǎng)絡用戶不受惡意軟件威脅,但目前入侵檢測系統(tǒng)存在檢測率低以及誤報率高的問題。針對目前入侵檢測系統(tǒng)的不足,本文開展入侵檢測算法的研究。BiRNN一般采用SoftMax分類器,能夠擬合具有時序的網(wǎng)絡流量,但是由于所有數(shù)據(jù)參與訓練的權(quán)重相同,容易陷入過擬合狀態(tài)。SVM算法能夠結(jié)合支持向量的經(jīng)驗風險和結(jié)構(gòu)風險,避免過擬合狀態(tài),但是算法提取特征比BiRNN差,因此容易陷入欠擬合狀態(tài)。針對BiRNN及SVM算法的不足,結(jié)合兩者優(yōu)點本文提出一種基于BiRNN-SVM入侵檢測算法,研究網(wǎng)絡流量數(shù)據(jù),識別異常網(wǎng)絡行為。其中BiRNN單個結(jié)構(gòu)采用RNN算法中經(jīng)典的LSTM結(jié)構(gòu),SVM算法用神經(jīng)網(wǎng)絡的形式表現(xiàn),用隨機梯度下降法優(yōu)化的線性SVM。BiRNN-SVM算法,由正向LSTM和反向LSTM組成,以SVM算法的折頁損失為優(yōu)化目標,以隨機梯度下降(SGD)優(yōu)化器優(yōu)化。實驗數(shù)據(jù)方面,將使用CIDDS-001數(shù)據(jù)集,在該數(shù)據(jù)集中采取IP2Vec技術(shù)表征部分文本型數(shù)據(jù),以不使用IP2Vec技術(shù)的數(shù)據(jù)處理方案對比...

【文章頁數(shù)】：80 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 創(chuàng)新點及研究內(nèi)容
    1.4 論文主要內(nèi)容和結(jié)構(gòu)
第2章 入侵檢測系統(tǒng)
    2.1 IDS概述
    2.2 IDS分類
    2.3 本章小結(jié)
第3章 雙向循環(huán)神經(jīng)網(wǎng)絡
    3.1 概述
    3.2 BiRNN算法
    3.3 SoftMax
    3.4 本章小結(jié)
第4章 支持向量機
    4.1 概述
    4.2 支持向量機算法
    4.3 本章小結(jié)
第5章 BiRNN-SVM算法
    5.1 概述
    5.2 算法設計
    5.3 本章小結(jié)
第6章 實驗仿真和結(jié)果
    6.1 結(jié)構(gòu)設計
    6.2 數(shù)據(jù)處理
    6.3 實驗環(huán)境
    6.4 實驗仿真
    6.5 評價指標
    6.6 實驗結(jié)果
    6.7 結(jié)果分析
    6.8 本章小結(jié)
第7章 總結(jié)與展望
    7.1 論文工作總結(jié)
    7.2 下一步工作展望
致謝
參考文獻
個人簡介



本文編號：3741278