本文關(guān)鍵詞：基于網(wǎng)格搜索的支持向量機(jī)在入侵檢測(cè)中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：計(jì)算機(jī)網(wǎng)絡(luò)和計(jì)算機(jī)技術(shù)極大地促進(jìn)了人類社會(huì)的發(fā)展和進(jìn)步,但是由于計(jì)算機(jī)技術(shù)和網(wǎng)絡(luò)協(xié)議本身所存在的一些缺陷,使得計(jì)算機(jī)網(wǎng)絡(luò)經(jīng)常被黑客和惡意程序所攻擊,輕則造成人民群眾的財(cái)產(chǎn)損失,重則可能導(dǎo)致國家機(jī)密的泄露,因此網(wǎng)絡(luò)安全問題日漸成為人們關(guān)注的焦點(diǎn)。相對(duì)應(yīng)于成熟的殺毒軟件技術(shù)和防火墻技術(shù),網(wǎng)絡(luò)入侵檢測(cè)是一種主動(dòng)的防御手段,可以將很多的攻擊和破壞消滅在還未造成任何損失的階段,因此網(wǎng)絡(luò)入侵檢測(cè)技術(shù)日漸成為業(yè)界研究的熱點(diǎn)。支持向量機(jī)理論是在統(tǒng)計(jì)學(xué)習(xí)理論的基礎(chǔ)上發(fā)展起來的,是機(jī)器學(xué)習(xí)與統(tǒng)計(jì)學(xué)理論緊密結(jié)合形成的監(jiān)督學(xué)習(xí)模型。目前支持向量機(jī)中的算法理論主要針對(duì)核函數(shù)參數(shù)的優(yōu)化和核函數(shù)選擇的算法。支持向量機(jī)在解決小樣本、高維度的數(shù)據(jù)集時(shí)擁有獨(dú)特的優(yōu)勢(shì),計(jì)算機(jī)網(wǎng)絡(luò)通信數(shù)據(jù)屬于高維度數(shù)據(jù),使用支持向量機(jī)理論進(jìn)行網(wǎng)絡(luò)入侵檢測(cè)是目前的研究熱點(diǎn)。網(wǎng)格搜索算法對(duì)支持向量機(jī)參數(shù)的優(yōu)化通過對(duì)核函數(shù)參數(shù)和懲罰系數(shù)遍歷取值,得到最優(yōu)的參數(shù)組合。改進(jìn)型網(wǎng)格搜索算法通過對(duì)網(wǎng)格搜索的步長進(jìn)行優(yōu)化選擇,提高了入侵檢測(cè)的效率。本文概述了入侵檢測(cè)的研究現(xiàn)狀,重點(diǎn)分析了網(wǎng)格搜索算法和改進(jìn)的網(wǎng)格搜索算法對(duì)SVM參數(shù)進(jìn)行優(yōu)化的原理和過程。將遺傳算法、粒子群算法、網(wǎng)格搜索算法等智能優(yōu)化算法分別對(duì)SVM參數(shù)進(jìn)行優(yōu)化,針對(duì)不同算法在入侵檢測(cè)中的應(yīng)用,進(jìn)行了大量的實(shí)驗(yàn),證明基于改進(jìn)型網(wǎng)格搜索算法對(duì)支持向量機(jī)參數(shù)的優(yōu)化擁有最高的分類準(zhǔn)確率和最少的分類時(shí)間。
【關(guān)鍵詞】：支持向量機(jī) 網(wǎng)絡(luò)入侵 網(wǎng)格搜索 屬性約簡
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP393.08;TP18
【目錄】：

• 致謝7-8
• 摘要8-9
• ABSTRACT9-14
• 第一章 緒論14-20
• 1.1 研究背景14-15
• 1.2 國內(nèi)外研究現(xiàn)狀15-17
• 1.3 計(jì)算機(jī)網(wǎng)絡(luò)所面臨的威脅17-19
• 1.3.1 權(quán)限濫用17
• 1.3.2 惡意程序和病毒攻擊17-18
• 1.3.3 黑客攻擊18-19
• 1.4 入侵檢測(cè)研究的意義19
• 1.5 本文的研究內(nèi)容19
• 1.6 論文的結(jié)構(gòu)安排19-20
• 第二章 入侵檢測(cè)系統(tǒng)概述20-29
• 2.1 入侵檢測(cè)技術(shù)簡介20-21
• 2.1.1 入侵檢測(cè)技術(shù)的概念20
• 2.1.2 入侵檢測(cè)的技術(shù)途徑20-21
• 2.2 入侵檢測(cè)系統(tǒng)的分類21-25
• 2.2.1 異常檢測(cè)與濫用檢測(cè)21-22
• 2.2.2 基于主機(jī)的入侵檢測(cè)與基于網(wǎng)絡(luò)的入侵檢測(cè)22-25
• 2.3 入侵檢測(cè)技術(shù)的發(fā)展方向25-29
• 第三章 支持向量機(jī)29-35
• 3.1 支持向量機(jī)理論介紹29-32
• 3.1.1 支持向量機(jī)29
• 3.1.2 最大間隔分類器29-31
• 3.1.3 核函數(shù)31-32
• 3.2 用支持向量機(jī)構(gòu)造入侵檢測(cè)分類器32
• 3.2.1 入侵檢測(cè)中的分類問題32
• 3.2.2 支持向量機(jī)(SVM)分類器的分類過程32
• 3.3 支持向量機(jī)參數(shù)32-35
• 3.3.1 支持向量機(jī)的參數(shù)介紹32-33
• 3.3.2 參數(shù)優(yōu)化的常用方法33-35
• 第四章 基于網(wǎng)格搜索的支持向量機(jī)參數(shù)優(yōu)化35-38
• 4.1 交叉驗(yàn)證35
• 4.2 網(wǎng)格搜索算法對(duì)支持向量機(jī)參數(shù)的優(yōu)化35-36
• 4.2.1 SVM分類器訓(xùn)練中的問題35-36
• 4.2.2 網(wǎng)格搜索算法進(jìn)行參數(shù)優(yōu)化的實(shí)現(xiàn)思路36
• 4.3 改進(jìn)的網(wǎng)格搜索算法36-38
• 第五章 基于支持向量機(jī)的入侵檢測(cè)模型研究38-51
• 5.1 入侵檢測(cè)模型框架的構(gòu)思38-39
• 5.1.1 模型框架圖38
• 5.1.2 模型框架中各模塊的功能設(shè)計(jì)38-39
• 5.2 實(shí)驗(yàn)工具介紹39
• 5.3 實(shí)驗(yàn)數(shù)據(jù)的預(yù)處理39-45
• 5.3.1 原始實(shí)驗(yàn)數(shù)據(jù)描述39-42
• 5.3.2 實(shí)驗(yàn)數(shù)據(jù)屬性值的替換42-43
• 5.3.3 數(shù)據(jù)的歸一化處理43-45
• 5.4 基于改進(jìn)的網(wǎng)格搜索算法的SVM參數(shù)尋優(yōu)具體實(shí)現(xiàn)45-51
• 5.4.1 實(shí)驗(yàn)過程45-46
• 5.4.2 實(shí)驗(yàn)結(jié)果分析46-51
• 第六章 總結(jié)和展望51-53
• 6.1 論文總結(jié)51
• 6.2 進(jìn)一步的工作51-53
• 參考文獻(xiàn)53-55
• 攻讀碩±學(xué)位期間的學(xué)術(shù)活動(dòng)及成果情況55

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 吳娟;范玉妹;王麗;;關(guān)于改進(jìn)的支持向量機(jī)的研究[J];攀枝花學(xué)院學(xué)報(bào);2006年05期

2 劉碩明;劉佳;楊海濱;;一種新的多類支持向量機(jī)算法[J];計(jì)算機(jī)應(yīng)用;2008年S2期

3 尹傳環(huán);牟少敏;田盛豐;黃厚寬;;單類支持向量機(jī)的研究進(jìn)展[J];計(jì)算機(jī)工程與應(yīng)用;2012年12期

4 王云英;閻滿富;;C-支持向量機(jī)及其改進(jìn)[J];唐山師范學(xué)院學(xué)報(bào);2012年05期

5 李逢煥;;試述不確定支持向量機(jī)應(yīng)用分析及改進(jìn)思路[J];中國證券期貨;2012年12期

6 邵惠鶴;支持向量機(jī)理論及其應(yīng)用[J];自動(dòng)化博覽;2003年S1期

7 曾嶸,蔣新華,劉建成;基于支持向量機(jī)的異常值檢測(cè)的兩種方法[J];信息技術(shù);2004年05期

8 張凡,賀蘇寧;模糊判決支持向量機(jī)在自動(dòng)語種辨識(shí)中的研究[J];計(jì)算機(jī)工程與應(yīng)用;2004年21期

9 魏玲,張文修;基于支持向量機(jī)集成的分類[J];計(jì)算機(jī)工程;2004年13期

10 沈翠華,鄧乃揚(yáng),肖瑞彥;基于支持向量機(jī)的個(gè)人信用評(píng)估[J];計(jì)算機(jī)工程與應(yīng)用;2004年23期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 余樂安;姚瀟;;基于中心化支持向量機(jī)的信用風(fēng)險(xiǎn)評(píng)估模型[A];第六屆（2011）中國管理學(xué)年會(huì)——商務(wù)智能分會(huì)場(chǎng)論文集[C];2011年

2 劉希玉;徐志敏;段會(huì)川;;基于支持向量機(jī)的創(chuàng)新分類器[A];山東省計(jì)算機(jī)學(xué)會(huì)2005年信息技術(shù)與信息化研討會(huì)論文集（一）[C];2005年

3 史曉濤;劉建麗;駱玉榮;;一種抗噪音的支持向量機(jī)學(xué)習(xí)方法[A];全國第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];2008年

4 何琴淑;劉信恩;肖世富;;基于支持向量機(jī)的系統(tǒng)辨識(shí)方法研究及應(yīng)用[A];中國力學(xué)大會(huì)——2013論文摘要集[C];2013年

5 劉駿;;基于支持向量機(jī)方法的衢州降雪模型[A];第五屆長三角氣象科技論壇論文集[C];2008年

6 王婷;胡秀珍;;基于組合向量的支持向量機(jī)方法預(yù)測(cè)膜蛋白類型[A];第十一次中國生物物理學(xué)術(shù)大會(huì)暨第九屆全國會(huì)員代表大會(huì)摘要集[C];2009年

7 趙晶;高雋;張旭東;謝昭;;支持向量機(jī)綜述[A];全國第十五屆計(jì)算機(jī)科學(xué)與技術(shù)應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2003年

8 周星宇;王思元;;智能數(shù)學(xué)與支持向量機(jī)[A];2005年中國智能自動(dòng)化會(huì)議論文集[C];2005年

9 顏根廷;馬廣富;朱良寬;宋斌;;一種魯棒支持向量機(jī)算法[A];2006中國控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

10 侯澍e，

本文編號(hào)：413321