入侵檢測技術(shù)主要通過對網(wǎng)絡(luò)中的信息進(jìn)行檢查和分析,來判斷是否有違背計(jì)算機(jī)安全的行為,因此入侵檢測成為當(dāng)前研究網(wǎng)絡(luò)安全方面的重要課題。在眾多的入侵檢測方法中,將入侵檢測技術(shù)和機(jī)器學(xué)習(xí)方法相結(jié)合來檢測入侵行為是可行的,使用支持向量機(jī)對基于主機(jī)和網(wǎng)絡(luò)的數(shù)據(jù)進(jìn)行處理,能夠有效的提高入侵檢測的準(zhǔn)確率和可擴(kuò)展性。本文在考慮到入侵檢測數(shù)據(jù)存在大量冗余特征以及檢測準(zhǔn)確率不高等缺陷,以提高入侵檢測分類準(zhǔn)確率為目標(biāo),主要從結(jié)合智能優(yōu)化算法的特征選擇方法,分類器參數(shù)優(yōu)化以及入侵檢測模型的構(gòu)建等幾個(gè)方面進(jìn)行深入研究。本文的主要工作內(nèi)容如下:(1)提出一種改進(jìn)的象群優(yōu)化(IEHO)算法。由于基本的象群優(yōu)化(EHO)算法在用于維數(shù)較高的數(shù)據(jù)集優(yōu)化問題時(shí),全局收斂性差且易陷入局部最優(yōu),分類精度也不高,在應(yīng)用于入侵檢測領(lǐng)域時(shí)會嚴(yán)重限制算法的分類性能,降低入侵檢測的準(zhǔn)確率。本文通過引入Levy飛行策略和融合粒子群搜索策略,提出了一種改進(jìn)的象群優(yōu)化算法,以此提高象群算法的全局搜索能力和收斂性能。(2)基于Spark并行化的IEHO算法的入侵檢測特征選擇。由于入侵檢測數(shù)據(jù)包含大規(guī)模、高維度的數(shù)據(jù),這些高維數(shù)據(jù)不僅會造成維數(shù)...

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.1IEHO算法流程圖

湖北工業(yè)大學(xué)碩士學(xué)位論文12圖2.1IEHO算法流程圖2.4實(shí)驗(yàn)仿真與結(jié)果分析為了測試本章所提出的IEHO算法的性能，本章選取了8種常用的基準(zhǔn)測試函數(shù)(其中包括4個(gè)單峰值函數(shù)和4個(gè)多峰值函數(shù))來評估IEHO算法的性能，并與基本的EHO算法進(jìn)行對比，測試函數(shù)的表達(dá)式如表2.1所示。....

圖2.2基于單峰值函數(shù)由表2.2基于單峰值測試函數(shù)的實(shí)驗(yàn)于基本的EHO算法，IEHO算法在四個(gè)基準(zhǔn)化EHO算法，并且對于函數(shù))(1xf、)(2xf

湖北工業(yè)大學(xué)碩士學(xué)位論文14圖2.2基于單峰值函數(shù)的適應(yīng)度值收斂曲線由表2.2基于單峰值測試函數(shù)的實(shí)驗(yàn)結(jié)果可知，改進(jìn)的IEHO算法優(yōu)化性能高于基本的EHO算法，IEHO算法在四個(gè)基準(zhǔn)函數(shù)上取得的平均最優(yōu)值、平均值均優(yōu)化EHO算法，并且對于函數(shù))(1xf、)(2xf以及)(4xf，....

圖2.3基于多峰值函數(shù)表2.3是EHO算法和IEHO算法在四個(gè)由表可知，IEHO算法在四個(gè)測試函數(shù)上的和)(xf上獲得的平均最差值要比EHO算法

湖北工業(yè)大學(xué)碩士學(xué)位論文15圖2.3基于多峰值函數(shù)的適應(yīng)度值收斂曲線表2.3是EHO算法和IEHO算法在四個(gè)不同的多峰值基準(zhǔn)函數(shù)上的測試結(jié)果。由表可知，IEHO算法在四個(gè)測試函數(shù)上的尋優(yōu)結(jié)果都比EHO算法好，在函數(shù))(5xf和)(7xf上獲得的平均最差值要比EHO算法差，但獲得平....

圖3.1特征選擇流程圖

湖北工業(yè)大學(xué)碩士學(xué)位論文

本文編號：3977435