隨著時(shí)代的進(jìn)步和科技的發(fā)展,網(wǎng)絡(luò)安全越來越成為人們關(guān)注的焦點(diǎn)。在當(dāng)今時(shí)代,網(wǎng)絡(luò)攻擊規(guī)模大、類型多、變化快,網(wǎng)絡(luò)安全問題不斷攀升。因此,在大數(shù)據(jù)時(shí)代如何從海量網(wǎng)絡(luò)流量中鑒別出異常行為是當(dāng)前研究的熱點(diǎn)和重點(diǎn)。針對這類問題,本文提出了一種基于自動編碼器的入侵檢測系統(tǒng)。首先,從海量網(wǎng)絡(luò)流量包中提取網(wǎng)絡(luò)特征,并對其進(jìn)行數(shù)據(jù)預(yù)處理,為后續(xù)模塊提供較好的數(shù)據(jù)。其次,對數(shù)據(jù)預(yù)處理后的數(shù)據(jù)經(jīng)隨機(jī)森林算法進(jìn)行特征選取,選擇出最佳特征。再次,根據(jù)數(shù)據(jù)的稀疏性將最佳特征分為稀疏矩陣和稠密矩陣,分別從對稀疏矩陣和稠密矩陣中的正常樣本中選取部分樣本,并對其特征使用AP聚類算法計(jì)算特征相似性,將其劃分為若干個(gè)特征分組。最后,分別對稀疏矩陣和稠密矩陣中的正常樣本建立模型,以自動編碼器為基礎(chǔ),對正常樣本進(jìn)行訓(xùn)練計(jì)算異常得分,用K-means或GMM對異常得分進(jìn)行分類。最后,通過實(shí)驗(yàn)對文中提出的方法進(jìn)行了功能測試與性能測試,驗(yàn)證了系統(tǒng)的可信性、可行性。實(shí)驗(yàn)結(jié)果顯示,本文方法通過特征選取和特征學(xué)習(xí)來處理訓(xùn)練集,從而大大減少了學(xué)習(xí)時(shí)間,基于編碼器的方法有效地提高攻擊檢測的預(yù)測精度,相比較于傳統(tǒng)入侵檢測方法具有便于訓(xùn)練、適用性...

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景
    1.2 論文主要工作
        1.2.1 研究目的與意義
        1.2.2 研究內(nèi)容
    1.3 論文章節(jié)安排
第二章 相關(guān)背景原理與技術(shù)介紹
    2.1 入侵檢測系統(tǒng)
        2.1.1 入侵檢測系統(tǒng)的概念
        2.1.2 入侵檢測系統(tǒng)的功能
        2.1.3 入侵檢測系統(tǒng)的分類
    2.2 入侵檢測技術(shù)
        2.2.1 異常檢測技術(shù)
        2.2.2 誤用檢測技術(shù)
    2.3 關(guān)于入侵檢測系統(tǒng)的國內(nèi)外研究現(xiàn)狀
        2.3.1 國內(nèi)研究現(xiàn)狀
        2.3.2 國外研究現(xiàn)狀
        2.3.3 入侵檢測系統(tǒng)的問題
    2.4 本章小結(jié)
第三章 系統(tǒng)架構(gòu)分析與設(shè)計(jì)
    3.1 系統(tǒng)整體規(guī)劃
    3.2 數(shù)據(jù)預(yù)處理模塊的分析與設(shè)計(jì)
        3.2.1 數(shù)據(jù)預(yù)處理的必要性
        3.2.2 數(shù)據(jù)預(yù)處理的方法
    3.3 特征選取模塊的分析與設(shè)計(jì)
        3.3.1 特征選取
        3.3.2 隨機(jī)森林
    3.4 特征分組模塊的分析與設(shè)計(jì)
        3.4.1 特征分組
        3.4.2 近鄰傳播算法
    3.5 異常檢測模塊的分析與設(shè)計(jì)
        3.5.1 自動編碼器
        3.5.2 均方根誤差
        3.5.3 異常檢測結(jié)構(gòu)
        3.5.4 選擇聚類算法
    3.6 本章小結(jié)
第四章 基于自動編碼器的入侵檢測系統(tǒng)的實(shí)現(xiàn)
    4.1 數(shù)據(jù)預(yù)處理模塊的實(shí)現(xiàn)
        4.1.1 數(shù)據(jù)預(yù)處理方法
    4.2 特征選取模塊的實(shí)現(xiàn)
        4.2.1 特征選取模塊的流程
        4.2.2 特征選取模塊的核心代碼
    4.3 特征分組模塊的實(shí)現(xiàn)
        4.3.1 特征分組模塊的流程
        4.3.2 特征分組模塊的核心代碼
    4.4 異常檢測模塊的實(shí)現(xiàn)
        4.4.1 異常檢測模塊的流程
        4.4.2 異常檢測模塊的核心代碼
    4.5 本章小結(jié)
第五章 實(shí)驗(yàn)分析
    5.1 測試環(huán)境和數(shù)據(jù)集
        5.1.1 測試環(huán)境
        5.1.2 數(shù)據(jù)集介紹
        5.1.3 數(shù)據(jù)集統(tǒng)計(jì)
        5.1.4 數(shù)據(jù)集特征
    5.2 特征選擇分析
        5.2.1 特者選擇的結(jié)果
        5.2.2 特征選擇的測試
    5.3 特征分組分析
        5.3.1 特征分組的結(jié)果
        5.3.2 特征分組的分析
    5.4 異常檢測分析
        5.4.1 準(zhǔn)確率、精確率、召回率和F1指標(biāo)
        5.4.2 AUC面積
        5.4.3 混淆矩陣
        5.4.4 運(yùn)行時(shí)間
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 工作展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間的成果
附錄2 攻讀碩士學(xué)位期間參加的科研項(xiàng)目
附錄3 特征選取實(shí)驗(yàn)結(jié)果
致謝



本文編號：3794242