現(xiàn)如今,網(wǎng)絡(luò)飛速發(fā)展,網(wǎng)絡(luò)在給人們帶來(lái)便利的同時(shí),也帶來(lái)了經(jīng)濟(jì)、政治等方面的威脅,保護(hù)網(wǎng)絡(luò)安全成為人們?nèi)遮呹P(guān)注的重要點(diǎn),入侵檢測(cè)系統(tǒng)作為動(dòng)態(tài)防御系統(tǒng),在保護(hù)網(wǎng)絡(luò)安全中有著重要意義。本文研究大量的文獻(xiàn)資料,對(duì)入侵檢測(cè)、入侵檢測(cè)系統(tǒng)的概念,特點(diǎn),分類(lèi)等方面進(jìn)行簡(jiǎn)單的介紹。通過(guò)分析入侵檢測(cè)系統(tǒng)的特點(diǎn),針對(duì)現(xiàn)有入侵檢測(cè)對(duì)未知的入侵類(lèi)型檢測(cè)效率低、系統(tǒng)誤報(bào)率高的不足,提出一種基于群體智能的入侵檢測(cè)模型。群體智能利用種群優(yōu)勢(shì),為尋優(yōu)問(wèn)題提供了新的研究方向。本文主要研究粒子群優(yōu)化算法,根據(jù)標(biāo)準(zhǔn)粒子群優(yōu)化算法易陷入局部極值點(diǎn)的不足,將高斯變異引入到粒子群優(yōu)化算法中,高斯變異能有效的使粒子跳出局部最優(yōu)點(diǎn),增加了種群多樣性,使粒子有可能搜索到全局最優(yōu)解。根據(jù)模糊C-均值聚類(lèi)算法易陷入局部最優(yōu)值、檢測(cè)結(jié)果過(guò)分依賴(lài)初始聚類(lèi)中心等不足,將改進(jìn)后的算法與模糊C-均值聚類(lèi)算法這種無(wú)監(jiān)督入侵檢測(cè)算法相結(jié)合。憑借粒子群算法良好的全局搜索能力,能獲得更優(yōu)的聚類(lèi)中心,使得聚類(lèi)質(zhì)量有所提高。采用KDD CUP 99數(shù)據(jù)集為本文的實(shí)驗(yàn)數(shù)據(jù),用10%數(shù)據(jù)集作為本文算法的訓(xùn)練數(shù)據(jù),用corrected數(shù)據(jù)集為測(cè)試數(shù)據(jù),實(shí)驗(yàn)表明:G...

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究的目的和意義
    1.2 入侵檢測(cè)系統(tǒng)的發(fā)展史
    1.3 國(guó)內(nèi)外發(fā)展現(xiàn)狀
    1.4 論文的結(jié)構(gòu)
第2章 網(wǎng)絡(luò)安全與入侵檢測(cè)
    2.1 網(wǎng)絡(luò)安全
        2.1.1 網(wǎng)絡(luò)安全現(xiàn)狀
        2.1.2 網(wǎng)絡(luò)安全的基本特征
        2.1.3 傳統(tǒng)的防御措施存在的問(wèn)題
    2.2 入侵檢測(cè)
        2.2.1 入侵檢測(cè)的定義
        2.2.2 入侵檢測(cè)系統(tǒng)
    2.3 入侵檢測(cè)系統(tǒng)的分類(lèi)
        2.3.1 按數(shù)據(jù)源分類(lèi)
        2.3.2 按技術(shù)分類(lèi)
        2.3.3 按工作方式分類(lèi)
        2.3.4 按體系結(jié)構(gòu)分類(lèi)
        2.3.5 按響應(yīng)方式分類(lèi)
    2.4 存在的問(wèn)題
    2.5 新型入侵檢測(cè)技術(shù)的研究
        2.5.1 神經(jīng)網(wǎng)絡(luò)
        2.5.2 遺傳算法
        2.5.3 免疫技術(shù)
        2.5.4 數(shù)據(jù)挖掘
    2.6 小結(jié)
第3章 群體智能算法
    3.1 群體智能
    3.2 遺傳算法
    3.3 粒子群優(yōu)化算法
    3.4 小結(jié)
第4章 改進(jìn)的粒子群優(yōu)化算法
    4.1 基本的粒子群優(yōu)化算法思想
    4.2 帶慣性權(quán)重的粒子群優(yōu)化算法
        4.2.1 全局型標(biāo)準(zhǔn)的粒子群優(yōu)化算法基本思想
        4.2.2 局部型標(biāo)準(zhǔn)的粒子群優(yōu)化算法基本思想
        4.2.3 線性慣性權(quán)重
    4.3 帶變異的粒子群優(yōu)化算法
        4.3.1 PSO發(fā)生“聚集效應(yīng)”判斷機(jī)制
        4.3.2 變異算子
        4.3.3 帶變異的粒子群優(yōu)化算法的基本流程
        4.3.4 實(shí)驗(yàn)仿真
    4.4 小結(jié)
第5章 改進(jìn)的粒子群優(yōu)化算法在入侵檢測(cè)中的應(yīng)用
    5.1 聚類(lèi)算法
    5.2 模糊C-均值聚類(lèi)算法
        5.2.1 模糊C-均值聚類(lèi)算法基本思想
        5.2.2 模糊C-均值聚類(lèi)算法的原理
        5.2.3 模糊C-均值聚類(lèi)算法特點(diǎn)
        5.2.4 基本流程
    5.3 改進(jìn)的粒子群優(yōu)化算法與模糊C-均值聚類(lèi)算法
        5.3.1 PSO與FCM的優(yōu)勢(shì)
        5.3.2 算法流程
    5.4 小結(jié)
第6章 實(shí)驗(yàn)
    6.1 KDD CUP 99數(shù)據(jù)集
        6.1.1 KDD CUP 99數(shù)據(jù)集背景
        6.1.2 數(shù)據(jù)集
    6.2 數(shù)據(jù)預(yù)處理
    6.3 實(shí)驗(yàn)與仿真
    6.4 小結(jié)
結(jié)論
參考文獻(xiàn)
致謝



本文編號(hào)：3852102