隨著互聯(lián)網(wǎng)的飛快發(fā)展和普及，各種針對計算機的網(wǎng)絡入侵行為日漸頻繁。為了有效的遏制這些網(wǎng)絡入侵行為，在上世紀80年代初提出了網(wǎng)絡入侵檢測系統(tǒng)。入侵檢測系統(tǒng)作為網(wǎng)絡安全防御系統(tǒng)比較重要的組成部分，它通過各種機器學習的方法，建立網(wǎng)絡異常檢測模型，并將當前收集到的網(wǎng)絡數(shù)據(jù)在模型中進行決策，發(fā)現(xiàn)異常并進行報警。到目前為止，為了保護網(wǎng)絡安全，概率統(tǒng)計分析方法、人工神經(jīng)網(wǎng)絡方法、數(shù)據(jù)挖掘方法、模糊數(shù)學理論等被提出來用于網(wǎng)絡異常檢測。但是，單一的檢測方法很難獲得較好的檢測結果，限制了入侵檢測系統(tǒng)在實際的企業(yè)中大規(guī)模采用。因此本文把改進D-S證據(jù)理論和SVM相融合應用到網(wǎng)絡異常行為檢測模型中。 首先，本文從入侵檢測的理論知識入手，綜述了入侵檢測的相關概念、產(chǎn)生、發(fā)展、作用、分類和常用的檢測模型，并闡述了支持向量機的原理和數(shù)據(jù)融合技術的思想。支持向量機采用結構風險最小化原理，在解決高維小樣本表現(xiàn)出天然優(yōu)勢，能很好的將入侵檢測問題進行分類和預測。 然后，針對經(jīng)典D-S算法因不能較好合成高度沖突證據(jù)而會導致過高的誤報率這一問題，提出了基于改進的加權D-S證據(jù)組合方法應用到網(wǎng)絡異常行為檢測中，并融合SVM，將數(shù)...

【文章頁數(shù)】：51 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 選題的背景和意義
    1.2 課題研究情況與分析
    1.3 本文研究工作和組織結構
第二章 入侵檢測
    2.1 入侵檢測的產(chǎn)生歷史與發(fā)展
    2.2 入侵檢測的相關概念
    2.3 入侵檢測系統(tǒng)
        2.3.1 入侵檢測的通用基本結構
        2.3.2 入侵檢測系統(tǒng)的常見模型
    2.4 入侵檢測的作用和必要性
    2.5 入侵檢測系統(tǒng)的相關分類
        2.5.1 按入侵檢測的檢測原理分類
        2.5.2 按系統(tǒng)獲取的數(shù)據(jù)來源分類
        2.5.3 按體系結構的不同分類
        2.5.4 按攻擊的響應方式分類
        2.5.5 按時效性分類
    2.6 目前常見的入侵檢測方法
    2.7 入侵檢測系統(tǒng)的發(fā)展方向
第三章 網(wǎng)絡異常檢測和數(shù)據(jù)融合
    3.1 網(wǎng)絡異常檢測算法
        3.1.1 機器學習
        3.1.2 支持向量機
    3.2 數(shù)據(jù)融合技術
        3.2.1 數(shù)據(jù)融合的方法
        3.2.2 數(shù)據(jù)融合技術的意義
        3.2.3 數(shù)據(jù)融合的發(fā)展方向
第四章 基于擴展 D-S 融合 SVM 的異常檢測模塊設計與實現(xiàn)
    4.1 D-S 證據(jù)理論
        4.1.1 經(jīng)典 D-S 證據(jù)理論
        4.1.2 經(jīng)典證據(jù)理論的缺陷
        4.1.3 組合規(guī)則改進
    4.2 基于加權的 D-S 證據(jù)理論的入侵檢測模塊的設計與實現(xiàn)
        4.2.1 入侵檢測模塊流程圖
        4.2.2 數(shù)據(jù)說明及分類
        4.2.3 模型說明
        4.2.4 SVM 中核函數(shù)的選擇以及參數(shù)
    4.3 仿真實驗
        4.3.1 數(shù)據(jù)集預處理
        4.3.2 實驗結果與數(shù)據(jù)
    4.4 本章小結
第五章 基于 SVM 融合新模型的網(wǎng)絡異常檢測
    5.1 支持向量機核函數(shù)以及參數(shù)的選擇
    5.2 SVM 融合新模型
        5.2.1 SVM 融合模型的設計
        5.2.2 SVM 融合檢測模型的實現(xiàn)
    5.3 仿真實驗
        5.3.1 實驗環(huán)境
        5.3.2 實驗結果及分析
    5.4 本章小結
第六章 主要結論與展望
致謝
參考文獻
附錄：作者在攻讀碩士學位期間發(fā)表的論文



本文編號：3862617