數(shù)據(jù)庫(kù)是信息系統(tǒng)中極易被攻擊的一個(gè)環(huán)節(jié),其安全問(wèn)題備受關(guān)注。入侵檢測(cè)是安全技術(shù)的重要方法之一,也是數(shù)據(jù)庫(kù)安全機(jī)制的組成部分。入侵檢測(cè)的本質(zhì)是分類,因此分類算法對(duì)入侵檢測(cè)系統(tǒng)起著至關(guān)重要的作用。隨機(jī)森林具有集成學(xué)習(xí)理論、高效數(shù)據(jù)處理能力和參數(shù)設(shè)置簡(jiǎn)單等優(yōu)點(diǎn)。本文對(duì)隨機(jī)森林算法在數(shù)據(jù)庫(kù)入侵檢測(cè)中的應(yīng)用進(jìn)行研究。本文介紹了數(shù)據(jù)庫(kù)安防和入侵檢測(cè)的相關(guān)內(nèi)容,研究了數(shù)據(jù)庫(kù)的常見(jiàn)攻擊手段以及數(shù)據(jù)庫(kù)入侵檢測(cè)的主要技術(shù),分析了決策樹(shù)、梯度提升決策樹(shù)和隨機(jī)森林的三種分類算法應(yīng)用于數(shù)據(jù)庫(kù)入侵檢測(cè)中的優(yōu)缺點(diǎn)。針對(duì)隨機(jī)森林算法元分類器精度不足的問(wèn)題,本文給出了以梯度提升決策樹(shù)作為元分類器的隨機(jī)森林?jǐn)?shù)據(jù)庫(kù)入侵檢測(cè)算法。在提升分類精度的同時(shí),改進(jìn)算法中對(duì)原始數(shù)據(jù)集進(jìn)行的重采樣處理,可以降低噪聲數(shù)據(jù)的關(guān)聯(lián)性,而其中的隨機(jī)投票機(jī)制還可以從一定程度上過(guò)濾掉單個(gè)元分類器出現(xiàn)過(guò)擬合的情況,降低了整體模型出現(xiàn)過(guò)擬合的可能性。此外,針對(duì)單棵梯度提升決策樹(shù)在數(shù)據(jù)庫(kù)入侵檢測(cè)應(yīng)用中容易出現(xiàn)過(guò)擬合的問(wèn)題,本文給出了通過(guò)相關(guān)參數(shù),控制樹(shù)的深度,進(jìn)行剪枝操作,降低模型的復(fù)雜度的改進(jìn)方案。為了驗(yàn)證改進(jìn)算法的性能,本文選擇了9組UCI公有數(shù)據(jù)集... 

【文章來(lái)源】：河北大學(xué)河北省

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

多階段控制的數(shù)據(jù)庫(kù)入侵容忍框架圖

圖 2-2 數(shù)據(jù)挖掘技術(shù)識(shí)別用戶行為模式的過(guò)程示意圖(2)數(shù)據(jù)挖掘中的聚類分析方法聚類分析能夠?qū)?shù)據(jù)劃分為不同的簇，并且在不同簇中尋找對(duì)象最大的相似化。對(duì)行為進(jìn)行劃分設(shè)置，使系統(tǒng)中不同的簇之間能夠產(chǎn)生多種類別，就能夠?qū)⒄Ｐ?

基于數(shù)據(jù)挖掘的入侵檢測(cè)流程圖


本文編號(hào)：2969900