發(fā)布時間：2023-04-04 21:29

　　數據融合方法對于提升入侵檢測模型的性能具有至關重要的作用，是當前網絡安全領域中研究的熱點之一。本文對數據融合方法進行了研究，提出了一種基于粗糙集和支持向量機的理論為基礎的入侵檢測模型。本文的主要工作如下： （1）研究了粗糙集的基本理論，分析了當前的正域擴展方法，指出了其中的不足，給出了相應的改進方法，使其能夠得到更加符合認知世界的擴展結果。隨后，給出了基于改進后的正域擴展的屬性約簡算法。 （2）研究了支持向量機的理論和方法，采用支持向量機作為分類器來設計入侵檢測模型。 （3）為了提高分類器處理數據的性能，包括分類的準確率以及在分類時間上的花銷，在對數據樣本進行分類前，應對樣本進行預處理。在保留樣本有用信息的同時，刪除重復、冗余以及不重要的屬性。本文提出粗糙集與支持向量機相結合的入侵檢測模型。采用粗糙集理論中的屬性約簡的算法對數據進行相關的處理，提高支持向量機處理數據的質量；用支持向量機對輸入的數據進行融合、分類，最后給出決策結果。 （4）實驗驗證了改進的屬性正域擴展方法的有效性，表明了采用粗糙集和支持向量機相結合的入侵檢測模型與采用單一的支持向量機進行入侵檢測相比，在檢測正確率相當的前...

【文章頁數】：63 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
致謝
第一章 緒論
    1.1 課題研究背景及其意義
    1.2 國內外研究現狀
    1.3 主要工作
    1.4 本文的組織安排
第二章 數據融合理論及技術分析
    2.1 數據融合的概念
    2.2 數據融合的經典模型
        2.2.1 檢測級融合
        2.2.2 位置級融合
        2.2.3 目標識別級融合
        2.2.4 態(tài)勢評估和威脅估計
    2.3 數據融合常用的方法
        2.3.1 基于貝葉斯（Bayes）理論的數據融合方法
        2.3.2 基于 D-S 證據理論的融合方法
        2.3.3 基于神經網絡的融合方法
        2.3.4 其他融合方法
    2.4 小結
第三章 粗糙集及其正域擴展的屬性約簡研究
    3.1 粗糙集基本理論
    3.2 粗糙集的正域擴展
    3.3 常用的決策表屬性約簡算法
    3.4 基于正域擴展的屬性約簡算法
        3.4.1 認知核屬性
        3.4.2 認知屬性約簡
    3.5 小結
第四章 基于粗糙集理論和支持向量機的入侵檢測模型的研究
    4.1 入侵檢測的基本概念
    4.2 通用入侵檢測系統(tǒng)模型
        4.2.1 Denning 通用入侵檢測模型
        4.2.2 CICF 通用入侵檢測模型
        4.2.3 入侵檢測的工作流程
    4.3 入侵檢測的分類
    4.4 網絡異常檢測的常用方法
    4.5 支持向量機理論
        4.5.1 統(tǒng)計學習理論
        4.5.2 最優(yōu)分類超平面
        4.5.3 核函數
        4.5.4 構造支持向量機
        4.5.5 多分類支持向量機
    4.6 基于 RS-SVM 的網絡異常檢測模型
        4.6.1 支持向量機應用于入侵檢測的可行性分析
        4.6.2 基于 RS-SVM 的網絡異常檢測模型分析
    4.7 仿真及分析
        4.7.1 實驗環(huán)境
        4.7.2 數據集介紹
        4.7.3 實驗步驟
        4.7.4 實驗結果集分析
    4.8 小結
第五章 總結與展望
    5.1 全文總結
    5.2 進一步展望
參考文獻
研究生期間發(fā)表論文情況



本文編號：3782077