發(fā)布時(shí)間：2017-08-21 18:25

  本文關(guān)鍵詞：基于BP神經(jīng)網(wǎng)絡(luò)和聚類分析的入侵檢測(cè)研究

  更多相關(guān)文章： 入侵檢測(cè) 遺傳算法 BP神經(jīng)網(wǎng)絡(luò) 聚類分析 K-means算法

【摘要】：當(dāng)前計(jì)算機(jī)和互聯(lián)網(wǎng)的發(fā)展速度之快是眾所周知的,這給我們的生活帶來(lái)革命性的變化。同時(shí),網(wǎng)絡(luò)安全事件的爆發(fā)越來(lái)越頻繁,危害也越來(lái)越大,嚴(yán)重威脅著國(guó)家和人們的生命財(cái)產(chǎn)安全。由于入侵檢測(cè)能主動(dòng)地阻斷攻擊行為并能有效保障網(wǎng)絡(luò)安全。因此,對(duì)入侵檢測(cè)的研究具有重要的理論價(jià)值和現(xiàn)實(shí)意義。本文分析了BP神經(jīng)網(wǎng)絡(luò)應(yīng)用在入侵檢測(cè)中存在的一些缺點(diǎn),如檢測(cè)時(shí)間長(zhǎng),容易陷入局部極值等。目前,雖然已經(jīng)有很多研究學(xué)者對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn),但基本上都是針對(duì)BP網(wǎng)絡(luò)的權(quán)值和閾值加以改進(jìn),使檢測(cè)效果得到了一定的提高;很少有人研究關(guān)于BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的改進(jìn)。本文利用遺傳算法不僅調(diào)整BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值,并且對(duì)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)進(jìn)行了優(yōu)化。為了表明檢測(cè)效果的有效提高,利用MATLAB進(jìn)行實(shí)驗(yàn)仿真,實(shí)驗(yàn)結(jié)果表明,本文算法比BP神經(jīng)網(wǎng)絡(luò)檢測(cè)和基于PCA的BP神經(jīng)網(wǎng)絡(luò)的檢測(cè)時(shí)間縮短一半以上,檢測(cè)率有了明顯的提高,誤報(bào)率明顯降低。本文介紹了聚類分析方法在入侵檢測(cè)系統(tǒng)中應(yīng)用,著重研究了K-means算法在入侵檢測(cè)中的優(yōu)缺點(diǎn)以及研究現(xiàn)狀,發(fā)現(xiàn)現(xiàn)有的改進(jìn)策略在計(jì)算相似度值時(shí)要么僅考慮距離因素,要么僅考慮密度因素,而本文不但考慮了距離因素同時(shí)考慮了密度因素,使算法能夠發(fā)現(xiàn)任意形狀的簇,減小了孤立點(diǎn)對(duì)聚類結(jié)果的影響。本文又在聚類中心的確定與選擇方面,是在最大值最小值的基礎(chǔ)上進(jìn)行改進(jìn),來(lái)選擇和調(diào)整聚類中心。在數(shù)據(jù)集的選取與預(yù)處理部分利用遺傳BP神經(jīng)網(wǎng)絡(luò)的特征選擇結(jié)果作為初始數(shù)據(jù)集,然后引用KPCA技術(shù)和改進(jìn)K-means算法相結(jié)合。最后進(jìn)行實(shí)驗(yàn)比較,發(fā)現(xiàn)本文對(duì)K-means算法的改進(jìn)方法比一般K-means算法以及基于最大最小距離法多中心聚類算法檢測(cè)率明顯提高,誤報(bào)率明顯降低,同時(shí)對(duì)未知攻擊能有效的檢測(cè)出來(lái)。本文的研究工作,為入侵檢測(cè)領(lǐng)域提供了理論依據(jù)和實(shí)用價(jià)值。
【關(guān)鍵詞】：入侵檢測(cè) 遺傳算法 BP神經(jīng)網(wǎng)絡(luò) 聚類分析 K-means算法
【學(xué)位授予單位】：河北師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP393.08;TP183
【目錄】：

• 摘要4-5
• Abstract5-7
• 目錄7-9
• 1 緒論9-17
• 1.1 研究背景及意義9-11
• 1.1.1 研究背景9-11
• 1.1.2 研究意義11
• 1.2 研究現(xiàn)狀11-15
• 1.2.1 國(guó)內(nèi)外研究現(xiàn)狀11-14
• 1.2.2 面臨的主要問(wèn)題14-15
• 1.3 研究?jī)?nèi)容15
• 1.4 論文的組織結(jié)構(gòu)15-17
• 2 入侵檢測(cè)技術(shù)17-22
• 2.1 入侵檢測(cè)概述17
• 2.2 入侵檢測(cè)技術(shù)17-20
• 2.2.1 基于異常檢測(cè)的技術(shù)17-19
• 2.2.2 基于誤用檢測(cè)的技術(shù)19-20
• 2.3 入侵檢測(cè)的性能評(píng)價(jià)20
• 2.4 入侵檢測(cè)現(xiàn)存缺陷20-22
• 3 基于BP神經(jīng)網(wǎng)絡(luò)的入侵檢測(cè)研究22-42
• 3.1 預(yù)備知識(shí)22-29
• 3.1.1 BP神經(jīng)網(wǎng)絡(luò)22-27
• 3.1.2 遺傳算法27-29
• 3.2 改進(jìn)遺傳BP神經(jīng)網(wǎng)絡(luò)算法29-35
• 3.2.1 改進(jìn)算法的思想29-30
• 3.2.2 改進(jìn)算法的流程30-31
• 3.2.3 改進(jìn)算法的步驟31-35
• 3.3 改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的入侵檢測(cè)實(shí)驗(yàn)仿真35-42
• 3.3.1 數(shù)據(jù)集的介紹35
• 3.3.2 數(shù)據(jù)預(yù)處理35-36
• 3.3.3 實(shí)驗(yàn)流程36-38
• 3.3.4 實(shí)驗(yàn)結(jié)果與分析38-42
• 4 基于聚類分析的入侵檢測(cè)研究42-55
• 4.1 預(yù)備知識(shí)42-49
• 4.1.1 聚類分析42-46
• 4.1.2 K-means算法46-49
• 4.2 改進(jìn)K-means算法的入侵檢測(cè)49-51
• 4.2.1 改進(jìn)算法思想49-50
• 4.2.2 改進(jìn)K-means步驟流程50-51
• 4.3 改進(jìn)K-means的入侵檢測(cè)實(shí)驗(yàn)仿真51-55
• 5 總結(jié)與展望55-58
• 5.1 總結(jié)55-57
• 5.2 展望57-58
• 參考文獻(xiàn)58-62
• 致謝62-63
• 攻讀學(xué)位期間取得的科研成果清單63

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 孫雪;李昆侖;胡夕坤;趙瑞;;基于半監(jiān)督K-means的K值全局尋優(yōu)算法[J];北京交通大學(xué)學(xué)報(bào);2009年06期

2 黃勤;龔海清;劉金亨;孔祥龍;;基于改進(jìn)的遺傳神經(jīng)網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)[J];重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年02期

3 鐘云勝;;入侵檢測(cè)技術(shù)在數(shù)據(jù)庫(kù)中的應(yīng)用及實(shí)踐探討[J];四川文理學(xué)院學(xué)報(bào);2014年02期

4 袁遇晴;況湘玲;凌利軍;;基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)入侵檢測(cè)研究[J];計(jì)算機(jī)安全;2014年07期

5 徐建;薛永雋;;機(jī)器學(xué)習(xí)理論在入侵檢測(cè)技術(shù)中的應(yīng)用研究[J];信息化研究;2014年03期

6 關(guān)健,劉大昕;一種基于遺傳算法的誤用檢測(cè)模型自適應(yīng)建立算法[J];哈爾濱工程大學(xué)學(xué)報(bào);2004年01期

7 顧洪博;;基于k-means算法的k值優(yōu)化的研究與應(yīng)用[J];海南大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年04期

8 黃建娜;陳海虹;劉保軍;;電磁齒輪控制系統(tǒng)中神經(jīng)網(wǎng)絡(luò)PID控制的研究及其MATLAB實(shí)現(xiàn)[J];機(jī)床與液壓;2012年08期

9 譚小彬,王衛(wèi)平,奚宏生,殷保群;計(jì)算機(jī)系統(tǒng)入侵檢測(cè)的隱馬爾可夫模型[J];計(jì)算機(jī)研究與發(fā)展;2003年02期

10 劉利軍;懷進(jìn)鵬;;基于有窮自動(dòng)機(jī)的網(wǎng)絡(luò)掃描檢測(cè)算法研究與實(shí)現(xiàn)[J];計(jì)算機(jī)研究與發(fā)展;2006年03期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 劉積芬;網(wǎng)絡(luò)入侵檢測(cè)關(guān)鍵技術(shù)研究[D];東華大學(xué);2013年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前7條

1 王昊;網(wǎng)絡(luò)入侵異常檢測(cè)的統(tǒng)計(jì)方法研究[D];華中師范大學(xué);2011年

2 王思霏;基于自然免疫和適應(yīng)性免疫的網(wǎng)絡(luò)入侵檢測(cè)模型研究[D];電子科技大學(xué);2008年

3 陳小輝;基于數(shù)據(jù)挖掘的入侵檢測(cè)技術(shù)研究[D];南京理工大學(xué);2008年

4 宋媛;聚類分析中確定最佳聚類數(shù)的若干問(wèn)題研究[D];延邊大學(xué);2013年

5 郭馮俊;基于數(shù)據(jù)挖掘的入侵檢測(cè)系統(tǒng)的研究與應(yīng)用[D];湖南大學(xué);2012年

6 胡領(lǐng);數(shù)據(jù)挖掘技術(shù)在網(wǎng)絡(luò)入侵檢測(cè)中的應(yīng)用研究[D];寧夏大學(xué);2014年

7 劉勝會(huì);聚類分析在入侵檢測(cè)中的應(yīng)用研究[D];重慶大學(xué);2014年

，

本文編號(hào)：714421