本文關鍵詞：基于改進樸素貝葉斯算法的入侵檢測技術研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著信息時代的來臨,互聯(lián)網(Internet)一直朝著規(guī)模更廣、速度更快的方向不斷發(fā)展。計算機網絡為整個人類社會帶來了空前的改變,它影響著人們工作、娛樂和生活的方方面面。如今,全球化的互聯(lián)網絡已經滲透到政治、經濟和文化等各個領域,為各個行業(yè)和階層提供可靠而便捷的服務。然而,網絡這把“雙刃劍”在為人類創(chuàng)造福利的同時也在潛藏著網絡安全隱患。這些隱患能夠造成隱私泄密、財產損失、政治威脅和社會動蕩等重大危害。因此,網絡安全問題的研究與進展已經形成全球化的關注熱點。根據目前網絡安全技術的發(fā)展狀況,本文對網絡入侵檢測技術展開研究,通過總結和分析前人的科研成果,針對入侵檢測技術尚存的問題,采用引入數據挖掘算法——樸素貝葉斯(NB)的技術思路,提出了“基于信息樹加權樸素貝葉斯(ITWNB)算法的入侵檢測模型”,該模型是對目前入侵檢測技術的擴展和改進,其技術創(chuàng)新點和工作內容如下:(1)通過分析傳統(tǒng)NB算法的缺點,本文提出了基于決策樹理論的“信息樹策略(ITS)”,通過加權的思想來放松了NB模型“條件獨立性假設”的限制,從而改進了NB算法的分類性能。(2)提出了“屬性修正函數(AFF)”來不斷的修正構建“信息樹”的誤分類樣本集合,通過修改最大后驗概率的決策傾向進一步提升了NB算法的分類準確率。(3)在上述改進后的NB算法基礎之上,建立了改進的入侵檢測模型——基于信息樹加權樸素貝葉斯(ITWNB)算法的入侵檢測模型,并結合了“半監(jiān)督學習(SSL)”的數據訓練模式,提升了入侵檢測效率。最后,采用KDD’99入侵檢測數據集中的10%的子集作為數據源對本文提出的入侵檢測模型進行仿真實驗測試,通過得出的實驗數據結果可驗證本模型在入侵檢測方面的可行性,以及相對于其它Bayes算法模型所表現(xiàn)出的高效性和穩(wěn)定性。
【關鍵詞】：入侵檢測 樸素貝葉斯 信息樹策略 屬性修正函數 半監(jiān)督學習
【學位授予單位】：河南理工大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP393.08;TP18
【目錄】：

• 致謝4-5
• 摘要5-6
• Abstract6-10
• 1 緒論10-18
• 1.1 課題研究背景及意義11-13
• 1.1.1 研究背景11-12
• 1.1.2 研究意義12-13
• 1.1.3 課題來源13
• 1.2 國內外研究現(xiàn)狀13-15
• 1.2.1 入侵檢測技術研究現(xiàn)狀13-14
• 1.2.2 樸素貝葉斯算法研究現(xiàn)狀14-15
• 1.3 論文主要研究內容15-16
• 1.4 論文組織結構16-17
• 1.5 本章小結17-18
• 2 入侵檢測及相關技術應用18-34
• 2.1 入侵檢測技術理論與實現(xiàn)18-20
• 2.2 CIDF通用模型20-21
• 2.3 入侵檢測技術的系統(tǒng)分類21-26
• 2.3.1 按照信息源分類21-24
• 2.3.2 按照檢測方法分類24-26
• 2.4 入侵檢測技術的尚存問題及發(fā)展趨勢26-28
• 2.4.1 入侵檢測技術的尚存問題26-27
• 2.4.2 入侵檢測技術的發(fā)展趨勢27-28
• 2.5 引入數據挖掘算法的可行性分析28-31
• 2.6 基于NB算法的入侵檢測技術31-32
• 2.7 本章小結32-34
• 3 ITWNB算法的理論模型研究34-42
• 3.1 引言34
• 3.2 Bayes理論34-36
• 3.2.1 Bayes定理和概率密度34-35
• 3.2.2 MAP假設與ML假設35-36
• 3.3 基于NB模型的ITWNB算法36-40
• 3.3.1 條件獨立性假設和參數估計36-37
• 3.3.2 NB分類模型與改進研究37-39
• 3.3.3 ITWNB算法的理論模型39-40
• 3.4 本章小結40-42
• 4 基于ITWNB算法的入侵檢測模型構建42-54
• 4.1 引言42
• 4.2 ITWNB算法的實現(xiàn)42-49
• 4.2.1 信息樹策略ITS42-44
• 4.2.2 屬性修正函數AFF44-45
• 4.2.3 ITWNB算法的具體實現(xiàn)流程45-49
• 4.3 SSL式的數據訓練過程49-50
• 4.4 基于ITWNB算法的入侵檢測模型50-53
• 4.5 本章小結53-54
• 5 數據預處理與實驗分析54-68
• 5.1 引言54
• 5.2 實驗仿真環(huán)境54-56
• 5.3 KDD’99入侵檢測數據集處理分析56-59
• 5.4 影響因素與數據預處理技術59-62
• 5.5 實驗結果與分析62-67
• 5.6 本章小結67-68
• 6 總結與展望68-70
• 6.1 本文總結68
• 6.2 工作展望68-70
• 參考文獻70-76
• 作者簡歷76-78
• 學位論文數據集78

【相似文獻】

中國期刊全文數據庫 前10條

1 張鵬;趙輝;;關于入侵檢測模型的研究與分析[J];網絡安全技術與應用;2009年03期

2 李之棠,楊紅云;模糊入侵檢測模型[J];計算機工程與科學;2000年02期

3 秦拯;吳中福;廖曉峰;李華;王康;吳李瀚;;一種新型的入侵檢測模型的研究與實現(xiàn)[J];計算機科學;2001年11期

4 張慧敏,何軍,黃厚寬;一個基于免疫的網絡入侵檢測模型[J];計算機工程與應用;2002年06期

5 黃大足;一種入侵檢測模型[J];邵陽學院學報;2003年05期

6 史長瓊,馬淑萍;基于移動Agent的入侵檢測模型研究[J];南華大學學報(理工版);2003年03期

7 姚羽,高福祥,于戈;基于混沌神經元的延時濫用入侵檢測模型[J];電子學報;2004年08期

8 任照松,印潤遠;基于統(tǒng)計方法的入侵檢測模型[J];上海水產大學學報;2005年02期

9 劉道群;孫慶和;;基于遺傳神經網絡的入侵檢測模型[J];激光雜志;2005年06期

10 程紹輝,高鵬翔;網絡入侵檢測模型的分析與比較[J];計算機時代;2005年02期

中國重要會議論文全文數據庫 前10條

1 楊武;王巍;張樂君;國林;云曉春;;一種動態(tài)自學習的高效入侵檢測模型研究[A];全國網絡與信息安全技術研討會論文集（上冊）[C];2007年

2 周頡;;無線傳感器網絡入侵檢測模型研究[A];中國電子學會第十六屆信息論學術年會論文集[C];2009年

3 李楠;胡學鋼;王東波;;基于改進隨機決策樹的入侵檢測模型研究[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

4 宋博;張琦建;;基于移動代理的入侵檢測模型在水利信息化中的應用[A];科技創(chuàng)新與現(xiàn)代水利——2007年水利青年科技論壇論文集[C];2007年

5 孫和凱;魏海平;;基于人工免疫的入侵檢測模型研究[A];2010通信理論與技術新發(fā)展——第十五屆全國青年通信學術會議論文集（上冊）[C];2010年

6 田俊峰;劉仙躍;;入侵檢測數據分類模型—PCANN[A];2007年全國開放式分布與并行計算機學術會議論文集(上冊)[C];2007年

7 楊永健;李天博;楊曉慧;;基于Magician平臺的主動入侵檢測模型[A];第七屆青年學術會議論文集[C];2005年

8 謝毅;張俊靈;王瑩;胡翠林;;一種基于SVM的信息安全入侵檢測模型[A];2007通信理論與技術新發(fā)展——第十二屆全國青年通信學術會議論文集（上冊）[C];2007年

9 劉丹婷;武斌;;基于層次化協(xié)同DFA的主機入侵檢測模型[A];第十七屆全國青年通信學術年會論文集[C];2012年

10 王蕊;;基于免疫原理的網絡銀行入侵檢測模型[A];第三屆全國軟件測試會議與移動計算、柵格、智能化高級論壇論文集[C];2009年

中國博士學位論文全文數據庫 前1條

1 陳榮;面向網格計算的按需入侵檢測模型及關鍵技術研究[D];浙江大學;2005年

中國碩士學位論文全文數據庫 前10條

1 張翔;RFID安全中間件關鍵技術研究與實現(xiàn)[D];電子科技大學;2014年

2 陳泓予;基于改進樸素貝葉斯算法的入侵檢測技術研究[D];河南理工大學;2015年

3 羅冬梅;基于時間序列的入侵檢測模型研究[D];上海師范大學;2004年

4 雷麗萍;基于生物不確定性記憶的入侵檢測模型研究[D];西安電子科技大學;2010年

5 王超峰;基于數據挖掘的入侵檢測模型研究[D];青島理工大學;2010年

6 何慧;基于信息增益—貝葉斯網絡的智能入侵檢測模型的研究[D];廣西大學;2005年

7 景波;基于智能代理的入侵檢測模型[D];太原理工大學;2003年

8 張曉梅;基于主動對抗響應的網絡入侵檢測模型[D];太原理工大學;2003年

9 黃琦鋒;基于數據庫中知識發(fā)現(xiàn)技術的入侵檢測模型[D];福州大學;2004年

10 舒小敏;智能化網絡入侵檢測模型的研究[D];新疆大學;2006年

  本文關鍵詞：基于改進樸素貝葉斯算法的入侵檢測技術研究，由筆耕文化傳播整理發(fā)布。

本文編號：304146