隨著網(wǎng)絡(luò)技術(shù)的日益發(fā)展,網(wǎng)絡(luò)安全形勢(shì)日趨嚴(yán)峻,網(wǎng)絡(luò)安全技術(shù)越來(lái)越受到人們的重視。入侵檢測(cè)技術(shù)作為網(wǎng)絡(luò)安全中的重要組成部分,對(duì)其性能的優(yōu)化一直是研究的熱點(diǎn)問(wèn)題。本文針對(duì)入侵檢測(cè)數(shù)據(jù)存在較多冗余特征的特點(diǎn),以提升入侵檢測(cè)效率為目標(biāo),圍繞特征選擇方法和數(shù)據(jù)集特征與分類器參數(shù)同步優(yōu)化方法進(jìn)行深入研究,主要研究?jī)?nèi)容如下:⑴提出一種融合杜鵑搜索的灰狼優(yōu)化(CS-GWO)算法。在應(yīng)用于維數(shù)較高的數(shù)據(jù)集時(shí),灰狼優(yōu)化算法容易陷入局部最優(yōu)。本文以增強(qiáng)灰狼優(yōu)化算法跳出局部最優(yōu)的能力為目標(biāo),提出一種結(jié)合杜鵑搜索的有較好全局尋優(yōu)能力的CS-GWO算法。⑵基于CS-GWO算法的入侵檢測(cè)特征選擇。入侵檢測(cè)數(shù)據(jù)集的特征數(shù)量較多,若使用全部特征訓(xùn)練分類模型,不僅容易引發(fā)維數(shù)災(zāi)難問(wèn)題,而且檢測(cè)正確率往往較低,檢測(cè)開(kāi)銷較大,效率不高。將提出的CS-GWO算法應(yīng)用于入侵檢測(cè)的特征選擇過(guò)程,通過(guò)從原始的特征集中選擇出較優(yōu)的特征子集,來(lái)提升入侵檢測(cè)的準(zhǔn)確率,減少入侵檢測(cè)過(guò)程中的計(jì)算開(kāi)銷。⑶基于CS-GWO算法的支持向量機(jī)(Support Vector Machine,SVM)參數(shù)與數(shù)據(jù)集特征同步優(yōu)化方法。入侵檢測(cè)從本質(zhì)上來(lái)說(shuō)是一個(gè)分類問(wèn)題,不僅數(shù)據(jù)集的特征子集的選取對(duì)分類結(jié)果有著較大的影響,而且SVM分類器的懲罰參數(shù)、核函數(shù)的選擇以及核函數(shù)參數(shù)均與分類結(jié)果有著密切的聯(lián)系。將提出的CS-GWO算法應(yīng)用于入侵檢測(cè)的同步優(yōu)化過(guò)程,對(duì)數(shù)據(jù)集的特征選擇過(guò)程和對(duì)分類器的參數(shù)優(yōu)化過(guò)程合并,同時(shí)進(jìn)行優(yōu)化,以提高SVM分類器的性能以及入侵檢測(cè)的效率。最后,對(duì)于本文所提出的特征選擇和同步優(yōu)化方法,使用UCI數(shù)據(jù)集和NSL-KDD數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)驗(yàn)證,并和已有的粒子群算法、灰狼優(yōu)化算法以及杜鵑搜索算法進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果表明,提出的CS-GWO算法在特征選擇以及同步優(yōu)化方面具有較好的優(yōu)化效果。
【學(xué)位單位】：湖北工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP393.08;TP18
【部分圖文】：

來(lái)表示

基于PSO算法的特征選擇進(jìn)化曲線圖

基于CS算法的特征選擇進(jìn)化曲線圖
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 呂新橋;廖天龍;;基于灰狼優(yōu)化算法的置換流水線車間調(diào)度[J];武漢理工大學(xué)學(xué)報(bào);2015年05期

2 馮瑩瑩;余世干;劉輝;;KNN-IPSO選擇特征的網(wǎng)絡(luò)入侵檢測(cè)[J];計(jì)算機(jī)工程與應(yīng)用;2014年17期

3 楊宏宇;趙明瑞;謝麗霞;;基于自適應(yīng)進(jìn)化神經(jīng)網(wǎng)絡(luò)算法的入侵檢測(cè)[J];計(jì)算機(jī)工程與科學(xué);2014年08期

4 梁潘;;基于HMM和自組織映射的網(wǎng)絡(luò)入侵檢測(cè)算法[J];青島科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年04期

5 王輝;陳泓予;劉淑芬;;基于改進(jìn)樸素貝葉斯算法的入侵檢測(cè)系統(tǒng)[J];計(jì)算機(jī)科學(xué);2014年04期

6 肖劍;周建中;李超順;王常青;張孝遠(yuǎn);肖漢;;基于混合蜂群算法特征參數(shù)同步優(yōu)化支持向量機(jī)的水電機(jī)組軸心軌跡識(shí)別方法研究[J];電力系統(tǒng)保護(hù)與控制;2013年21期

7 樊愛(ài)宛;時(shí)合生;;基于特征選擇和SVM參數(shù)同步優(yōu)化的網(wǎng)絡(luò)入侵檢測(cè)[J];北京交通大學(xué)學(xué)報(bào);2013年05期

8 李玉霞;劉麗;沈桂蘭;;基于AFSA-SVM的網(wǎng)絡(luò)入侵檢測(cè)模型[J];計(jì)算機(jī)工程與應(yīng)用;2013年24期

9 聶盼盼;臧洌;劉雷雷;;基于對(duì)支持向量機(jī)的多類分類算法在入侵檢測(cè)中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用;2013年02期

10 李煜;馬良;;新型元啟發(fā)式布谷鳥(niǎo)搜索算法[J];系統(tǒng)工程;2012年08期

相關(guān)碩士學(xué)位論文 前3條

1 王丹;特征選擇算法研究及其在異常檢測(cè)中的應(yīng)用[D];電子科技大學(xué);2014年

2 胡昊;基于蟻群聚類算法的數(shù)據(jù)挖掘技術(shù)在網(wǎng)絡(luò)入侵檢測(cè)中的應(yīng)用[D];江蘇科技大學(xué);2012年

3 劉麗麗;基于智能算法的網(wǎng)絡(luò)入侵檢測(cè)技術(shù)研究[D];江南大學(xué);2009年

本文編號(hào)：2870789