本文關鍵詞：入侵檢測中基于決策樹與樸素貝葉斯的混合分類算法研究

  更多相關文章： 入侵檢測 機器學習 決策樹 樸素貝葉斯 C4.5 概率加權和

【摘要】：近些年來,網絡技術得到了飛速發(fā)展,與此同時出現的安全性問題也越來越多。僅依靠傳統的防火墻技術已不能完全保證網絡的正常運行,因此對入侵檢測系統(Intrusion Detection System,IDS)的研究愈來愈重要。傳統的IDS不僅消耗大量的資源,而且隨著網絡系統日趨復雜化、網絡中的攻擊日趨多樣化,它們在時間和空間上有極大的局限性并且還具有較高的誤報率和漏報率。研究表明,將機器學習(Machine Learning,ML)的方法應用到入侵檢測中是可行的且高效的�；跈C器學習的入侵檢測方法降低了系統的誤報率和漏報率,同時也增強了系統的自學習能力和實時性。機器學習算法中,決策樹方法和樸素貝葉斯方法在處理不同樣本數據集時有著各自的優(yōu)勢,而且它們的原理簡單、訓練的過程較快、處理完的結果直觀且易于解釋和理解。因此本文主要研究的是基于決策樹和樸素貝葉斯的入侵檢測算法。本文首先介紹了決策樹(Decision Tree,DT)和樸素貝葉斯(Na?ve-Bayes,NB)學習的基本原理,并詳細分析了NB算法和決策樹中經典ID3算法及其擴展后的C4.5算法。在充分分析和總結它們的性能特點后,針對C4.5和NB算法存在的一些不足,提出一種這二者相結合的混合分類方法(H-C4.5-NB)來實現入侵檢測。H-C4.5-NB主要是一個由C4.5和NB構成的混合分類模型,它分別在數據集上構建局部的決策樹分類器和樸素貝葉斯分類器,以概率的形式來描述決策類別的分布,最后由C4.5和NB概率加權和的形式給出最終的決策結果,從而提升系統判斷決策的準確度。選取經典的KDD CUP 99數據集來驗證改進后的算法性能,實驗結果表明,H-C4.5-NB提高了DOS、U2R和R2L三種類型攻擊的檢測率,提升了系統整體的準確度,同時也降低了系統誤報率。
【關鍵詞】：入侵檢測 機器學習 決策樹 樸素貝葉斯 C4.5 概率加權和
【學位授予單位】：深圳大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP393.08
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-15
• 1.1 本文的研究背景和研究意義9-10
• 1.2 入侵檢測概述10-12
• 1.3 入侵檢測技術的研究現狀12-13
• 1.4 本文的主要研究內容和組織安排13-15
• 第2章 決策樹理論及其分類15-25
• 2.1 決策樹基本思想15-16
• 2.2 決策樹學習16-18
• 2.2.1 ID3 算法16
• 2.2.2 C4.5 算法16-18
• 2.3 決策樹算法常見問題18-24
• 2.3.1 決策樹剪枝策略18-23
• 2.3.2 決策樹性能評估23-24
• 2.4 本章小結24-25
• 第3章 貝葉斯理論和樸素貝葉斯分類25-30
• 3.1 貝葉斯理論25-26
• 3.1.1 貝葉斯法則25
• 3.1.2 MAP假設和極大似然假設25-26
• 3.2 樸素貝葉斯學習26-28
• 3.2.1 樸素貝葉斯原理26-27
• 3.2.2 樸素貝葉斯算法流程27-28
• 3.3 樸素貝葉斯算法分析28-29
• 3.4 本章小結29-30
• 第4章 基于DT和NB的入侵檢測算法30-49
• 4.1 數據庫和樣本集介紹31-35
• 4.2 數據集預處理35-38
• 4.3 數據集的特征提取38
• 4.4 基于DT和NB的網絡入侵檢測38-40
• 4.5 實驗環(huán)境40
• 4.6 實驗結果和分析40-48
• 4.6.1 生成入侵檢測決策樹41-43
• 4.6.2 檢測混淆矩陣測試43-46
• 4.6.3 檢測準確率測試46-48
• 4.7 本章小結48-49
• 第5章 總結與展望49-51
• 5.1 論文總結49
• 5.2 下一步工作展望49-51
• 參考文獻51-55
• 致謝55-56
• 攻讀碩士學位期間的研究成果56-57

【參考文獻】

中國期刊全文數據庫 前6條

1 馬立平;統計數據標準化──無量綱化方法──現代統計分析方法的學與用(三)[J];北京統計;2000年03期

2 馬秀紅,宋建社,董晟飛;數據挖掘中決策樹的探討[J];計算機工程與應用;2004年01期

3 傅德勝;周舒;郭萍;;基于數據挖掘的分布式網絡入侵檢測系統設計及實現[J];計算機科學;2009年03期

4 胡昌振;以IDS為核心的網絡安全體系[J];信息安全與通信保密;2002年11期

5 陳金陽 ,蔣建中 ,郭軍利 ,張良勝;網絡攻擊技術研究與發(fā)展趨勢探討[J];信息安全與通信保密;2004年12期

6 魏紅寧;決策樹剪枝方法的比較[J];西南交通大學學報;2005年01期

，

本文編號：624602