本文關(guān)鍵詞：基于改進(jìn)遺傳算法的貝葉斯入侵檢測(cè)研究　出處：《湖北工業(yè)大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 特征選擇 入侵檢測(cè) 遺傳算法 貝葉斯算法

【摘要】：入侵檢測(cè)系統(tǒng)作為防火墻的補(bǔ)充,可以通過主動(dòng)防御的方式提前預(yù)判網(wǎng)絡(luò)環(huán)境中存在的安全隱患并及時(shí)做出響應(yīng),協(xié)助防火墻保障網(wǎng)絡(luò)安全。入侵檢測(cè)系統(tǒng)的核心技術(shù)在于檢測(cè)算法。高效、穩(wěn)定的檢測(cè)算法能通過較少的特征數(shù)據(jù)對(duì)網(wǎng)絡(luò)中的連接進(jìn)行精準(zhǔn)識(shí)別,達(dá)到提前預(yù)警的目的。本文針對(duì)入侵檢測(cè)系統(tǒng)中的檢測(cè)算法進(jìn)行研究,在學(xué)習(xí)和研究同類算法的基礎(chǔ)上展開討論。全文主要工作如下:(1)介紹了入侵檢測(cè)系統(tǒng)的技術(shù)背景,國內(nèi)外研究現(xiàn)狀及本文的研究目的和方法。介紹了入侵檢測(cè)KDD99數(shù)據(jù)集,并對(duì)數(shù)據(jù)預(yù)處理方法進(jìn)行詳細(xì)說明,將貝葉斯算法用于KDD99數(shù)據(jù)集的分類,并對(duì)分類結(jié)果做詳細(xì)分析。(2)針對(duì)貝葉斯分類結(jié)果和KDD99數(shù)據(jù)集高維度特性,提出將遺傳算法用于數(shù)據(jù)集進(jìn)行特征選擇,并將選出的特征子集用于貝葉斯分類,以求獲得更好的分類性能。在選擇最優(yōu)個(gè)體時(shí),由于適應(yīng)度函數(shù)是多元函數(shù),本文針對(duì)精英保存策略的不足,提出一種個(gè)體評(píng)優(yōu)的方法。在該方法中,適應(yīng)度函數(shù)值不再是評(píng)估個(gè)體優(yōu)劣的唯一標(biāo)準(zhǔn),而是綜合考慮影響個(gè)體最優(yōu)的各種因素,并將影響因素按照重要程度賦予不同影響因子,在參照適應(yīng)度函數(shù)值為標(biāo)準(zhǔn)的基礎(chǔ)上提出了個(gè)體評(píng)優(yōu)的新標(biāo)準(zhǔn)。交叉操縱過程中,本文引入基因相似度的概念,對(duì)個(gè)體基因相似程度進(jìn)行比較,并阻止基因相似度超過設(shè)定閾值的近親個(gè)體進(jìn)行交叉,以提高種群個(gè)體多樣性。在變異過程中,為加快收斂速度,本文采用動(dòng)態(tài)非線性變異算子對(duì)種群個(gè)體進(jìn)行操作,這種操作方式在加快收斂速度的同時(shí)還能保證種群進(jìn)化的隨機(jī)性,更符合遺傳學(xué)理論。(3)將本文所提的改進(jìn)遺傳算法用于KDD99數(shù)據(jù)集進(jìn)行特征選擇,并將選擇出的特征子集采用貝葉斯算法進(jìn)行分類。為驗(yàn)證本文所提方法的有效性,共設(shè)計(jì)三組不同對(duì)比實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明:采用本文改進(jìn)的遺傳算法能獲得更低的數(shù)據(jù)維度且能提高檢測(cè)率。
[Abstract]:The intrusion detection system as a complement of firewall, security risks can be through the active defense way to predict in advance the network present in the environment and respond in time, assist the firewall to protect network security. Intrusion detection system is the core technology of the detection algorithm. Efficient detection algorithm can be stable for precise identification of connections on the network through the characteristics of less data the reach the aim of early warning. Detection of the intrusion detection system in this paper, the discussion on the basis of the learning and research of similar algorithms. The main works are as follows: (1) introduces the technical background of the intrusion detection system, the research purpose and methods and the status of research at home and abroad. This paper introduces the intrusion detection of the KDD99 data set, and a detailed description of the method of data preprocessing, the Bias algorithm for classification of KDD99 data sets, and every kind of results For a detailed analysis. (2) according to the Bias classification results and KDD99 data sets of high dimension characteristics, proposed a genetic algorithm for the data set for feature selection and feature subset for classification of Bias, in order to obtain a better classification performance. In the selection of the best individual, the fitness function is multi function, aiming at the elite preservation methods, proposes a method for individual evaluation. In this method, the fitness function value is no longer the sole criterion for individual merits, but considering the impact of various factors of individual optimal, and the factors in accordance with the importance of different factors, the reference value of fitness function is based on the standard put forward a new standard of individual appraised. Cross operation process, this paper introduces a concept of genetic similarity, the similarity degree of individual genes were compared, and stop gene similarity Exceeds the preset threshold relative cross individual, in order to improve the population diversity. In the process of mutation, in order to speed up the convergence, this paper uses the nonlinear dynamic mutation operator to operate on the individual, this mode of operation can accelerate the convergence speed while ensuring the randomness of population evolution, more in line with the theory of genetics (3) will be. The improved genetic algorithm proposed in this paper for the KDD99 data set for feature selection and feature subset selected using Bayesian classification algorithm. In order to verify the validity of the method proposed in this paper, a total design of three different groups of contrast experiments, experimental results show that the improved genetic algorithm used in this paper can obtain the data of lower dimension and to improve the detection rate.

【學(xué)位授予單位】：湖北工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP393.08;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王興成,鄭紫微,賈欣樂;模糊遺傳算法及其應(yīng)用研究[J];計(jì)算技術(shù)與自動(dòng)化;2000年02期

2 吳瑞鏞,徐大紋;具有年齡結(jié)構(gòu)的遺傳算法[J];桂林電子工業(yè)學(xué)院學(xué)報(bào);2001年04期

3 楊艷麗,史維祥;一種新的優(yōu)化算法—遺傳算法的設(shè)計(jì)[J];液壓氣動(dòng)與密封;2001年02期

4 楊宜康,李雪,彭勤科,黃永宣;具有年齡結(jié)構(gòu)的遺傳算法[J];計(jì)算機(jī)工程與應(yīng)用;2002年11期

5 谷峰,吳勇,唐俊;遺傳算法的改進(jìn)[J];微機(jī)發(fā)展;2003年06期

6 ;遺傳算法[J];計(jì)算機(jī)教育;2004年10期

7 趙義紅,李正文,何其四;生物信息處理系統(tǒng)遺傳算法探討[J];成都理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年05期

8 劉坤,劉偉波,吳忠強(qiáng);基于模糊遺傳算法的電液位置伺服系統(tǒng)控制[J];黑龍江科技學(xué)院學(xué)報(bào);2005年04期

9 張英俐,劉弘 ,馬金剛;遺傳算法作曲系統(tǒng)研究[J];信息技術(shù)與信息化;2005年05期

10 丁發(fā)智;;淺談遺傳算法[J];烏魯木齊成人教育學(xué)院學(xué)報(bào);2005年04期

相關(guān)會(huì)議論文 前10條

1 陳家照;廖海濤;張中位;羅寅生;;一種改進(jìn)的遺傳算法及其在路徑規(guī)劃中的應(yīng)用[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

2 李國云;劉穎;薛梅;鄔志敏;;遺傳算法在高溫空冷冷凝器優(yōu)化設(shè)計(jì)中的應(yīng)用[A];第五屆全國制冷空調(diào)新技術(shù)研討會(huì)論文集[C];2008年

3 王志軍;李守春;張爽;;改進(jìn)的遺傳算法在反演問題中的應(yīng)用[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識(shí)創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊(cè)）[C];2001年

4 任燕翔;姜立;劉連民;從滋慶;;改進(jìn)遺傳算法在三維日照方案優(yōu)化中的應(yīng)用[A];工程三維模型與虛擬現(xiàn)實(shí)表現(xiàn)——第二屆工程建設(shè)計(jì)算機(jī)應(yīng)用創(chuàng)新論壇論文集[C];2009年

5 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學(xué)術(shù)研討會(huì)論文集[C];2006年

6 龐國仲;王元西;;基于遺傳算法控制步長(zhǎng)的定性仿真方法[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2000年

7 張忠華;楊淑瑩;;基于遺傳算法的聚類設(shè)計(jì)[A];全國第二屆信號(hào)處理與應(yīng)用學(xué)術(shù)會(huì)議�？痆C];2008年

8 何翠紅;區(qū)益善;;遺傳算法及其在計(jì)算機(jī)編程中的應(yīng)用[A];1995年中國智能自動(dòng)化學(xué)術(shù)會(huì)議暨智能自動(dòng)化專業(yè)委員會(huì)成立大會(huì)論文集（下冊(cè)）[C];1995年

9 靳開巖;張乃堯;;幾種實(shí)用遺傳算法及其比較[A];1996年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];1996年

10 王宏剛;曾建潮;李志宏;;攝動(dòng)遺傳算法[A];1996年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];1996年

相關(guān)重要報(bào)紙文章 前1條

1 林京;《神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學(xué)領(lǐng)域的應(yīng)用》將面市[N];中國水利報(bào);2002年

相關(guān)博士學(xué)位論文 前10條

1 Amjad Mahmood;半監(jiān)督進(jìn)化集成及其在網(wǎng)絡(luò)視頻分類中的應(yīng)用[D];西南交通大學(xué);2015年

2 李險(xiǎn)峰;基于改進(jìn)遺傳算法的汽車裝配生產(chǎn)線平衡問題研究[D];北京科技大學(xué);2017年

3 周輝仁;遞階遺傳算法理論及其應(yīng)用研究[D];天津大學(xué);2008年

4 郝國生;交互式遺傳算法中用戶的認(rèn)知規(guī)律及其應(yīng)用[D];中國礦業(yè)大學(xué);2009年

5 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應(yīng)用研究[D];西安電子科技大學(xué);1998年

6 馬國田;遺傳算法及其在電磁工程中的應(yīng)用[D];西安電子科技大學(xué);1998年

7 唐文艷;結(jié)構(gòu)優(yōu)化中的遺傳算法研究和應(yīng)用[D];大連理工大學(xué);2002年

8 周激流;遺傳算法理論及其在水問題中應(yīng)用的研究[D];四川大學(xué);2000年

9 劉冀成;基于改進(jìn)遺傳算法的生物電磁成像與磁場(chǎng)聚焦應(yīng)用研究[D];四川大學(xué);2005年

10 袁麗華;基于物種進(jìn)化的遺傳算法研究[D];南京航空航天大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 張英俐;基于遺傳算法的作曲系統(tǒng)研究[D];山東師范大學(xué);2006年

2 鐘海萍;原對(duì)偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學(xué);2013年

3 李志添;模糊遺傳算法與資源優(yōu)化配置的預(yù)測(cè)控制[D];華南理工大學(xué);2015年

4 王琳琳;新型雙層液壓轎運(yùn)車車廂的設(shè)計(jì)研究[D];上海工程技術(shù)大學(xué);2015年

5 李海全;基于遺傳算法的建筑體形系數(shù)及迎風(fēng)面積比優(yōu)化方法研究[D];華南理工大學(xué);2015年

6 彭騫;基于遺傳算法的山區(qū)高等級(jí)公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學(xué);2015年

7 周玉林;基于小波分析和遺傳算法的配電網(wǎng)故障檢測(cè)[D];昆明理工大學(xué);2015年

8 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產(chǎn)管理系統(tǒng)研究[D];昆明理工大學(xué);2015年

9 吳南;數(shù)值逼近遺傳算法的研究應(yīng)用[D];華南理工大學(xué);2015年

10 于光帥;一類優(yōu)化算法的改進(jìn)研究與應(yīng)用[D];渤海大學(xué);2015年

，

本文編號(hào)：1368141