ig-nmf特征降维方法在入侵检测中的应用研究

《ig-nmf特征降维方法在入侵检测中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：TP393单位代码：10183研究生学号：2013534015密级：公开研吉林大学硕士学位论文（专业学位）IG-NMF特征降维方法在入侵检测中的应用研究ApplicationResearchonMethodofIG-NMFFeatureDimensionReductioninIntrusionDetection作者姓名：李泰辉类别：工程硕士领域（方向）：计算机技术指导教师：胡亮教授培养单位：计算机科学与技术学院2016年04月－ＩＧＮＭＦ特征降维方法在入侵检测中的应用研究Ａ－ｌｐｐｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｎＭｅｔｈｏｄｏｆＩＧＮＭＦＦｅａｔｕｒｅＤｉｍｅｎ

2、ｓｉｏｎＲｅｄｕｃｔｉｏｎｉｎＩｎｔｒｕｓｉｏｎＤｅｔｅｃｔｉｏｎ作者姓名：李泰辉领域（方向）；计算机技术指导教师：胡亮教授类别：工程硕±答辩曰期：２〇化年咬月巧曰未经本论文作者的书面授权，巧法收存和保管本论文书面版本、电子版本的任何单位和个人，均不得对本论文的全部或部分内容进行任何形式的复制、修改、发行、出租、改编等有碍作者著作巧的商业性使用（但纯学术性使用不在此限）。否则，应承担侵权的法律责任。吉林大学硕±学位论文原创性声明本人郑重声明：所呈交学位论文，是本人在指导教师的指导下。，独立进行研究工作所取得的成果除文中己经注明引用

3、的内容外，本论文不包含任何其他个人或集体己经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均己在文中Ｗ明确方式标明。本人完全意识到本声明的法律结果由本人承担。＇学位论文作者签名：＾；｜＾｜曰期：１）年〇月Ａ曰加＿＾摘要摘要IG-NMF特征降维方法在入侵检测中的应用研究网络给人们的生活、学习以及工作带来便利的同时，也带来了不少的安全隐患,如计算机病毒、信息泄露与窃取、网络入侵与网络攻击等，严重损害了社会利益，造成了巨大的经济损失。因此，确保计算机网络安全，保护网络数据信息以及各种软硬件免受攻击或恶意破坏，已经变得日益重要。入侵检测技术通过收集和分析被保护

4、网络系统的数据信息，发现网络入侵和网络攻击，是目前计算机网络安全领域中一种常用的积极有效的安全防护技术。随着网络带宽进一步提高，网络结构日益复杂化，攻击手段日益多样化，警报特征趋向高维化，警报数量也日益增多。警报数据的海量化以及其特征的高维化与复杂化，进一步加重了入侵检测系统的处理负担，降低了实时处理效率，导致了其存在检测耗时高、准确率低、误报率高等缺陷，严重影响了入侵检测系统的性能。因此，如何提高入侵检测系统对海量警报的实时处理能力，减少处理时间，提高入处理准确率，对制定有效的安全防御策略，建立安全体系等具有十分重要的启发作用与研究意义。因此，本文提出了基于IG-NMF特征降维方法与PSO

5、-FCM聚类算法相结合的入侵检测模型。针对入侵检测系统中警报数量多，警报维度高以及入侵检测系统处理时间消耗大等缺陷，本文提出了IG-NMF特征降维的方法。IG-NMF特征降维方法利用了InfoGain算法和NMF算法的优点，有效去除了入侵检测系统警报数据的无效特征，冗余特征，减少了警报数据的特征维度以及入侵检测系统的时间消耗。针对入侵检测系统存在的处理准确率低，本文采用PSO-FCM聚类分析算法，一种较为成熟的FCM优化方法，利用PSO算法全局搜素寻优求解能力强、收敛速度快的优点，用PSO算法优化FCM算法，有效消除了FCM算法对初始值和噪声数据的敏感性，避免了FCM算法容易陷入局部极值的问

6、题，具有更强的全局寻优以及局部搜索能力。本文提出的入侵检测模型，可以有效处理和分析大量、高维的警报数据，并且提高了入侵检测系统的准确率，降低了入侵检测系统的时间消耗。关键词：网络安全，入侵检测，特征选择，特征提取，聚类IAbstractAbstractApplicationResearchonMethodofIG-NMFFeatureDimensionReductioninIntrusionDetectionComputernetworkhasbroughtconveniencestohumanbeings’dailylife,studyandworkduringthepasttwodeca

7、des.However,varioussecurityproblems,suchascomputervirus,informationdisclosureandsteal,networkintrusion,andnetworkattack,alsocomealongwithit,andtheymightcauseenormouseconomiclossesandsocialbenefitdamage.Thus