欢迎来到天天文库
浏览记录
ID:35064295
大小:5.16 MB
页数:60页
时间:2019-03-17
《基于密度的局部离群点挖掘及在入侵检测中应用研究》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、分类号密级;位代巧10151UDC单:?乂是蘇事乂學全日制学术型硕±研究生学位论文基于密度的局部离群点挖掘及在入侵检测中应用研究秦浩指导教师张维石教授申请学位类别工学硕±学科巧业)名称软件工程学位授予单位大连海事大学2016年3月密级分类号UDC单位代码10151大连海事大学硕±学位论文基于密度的局部离群点挖掘及在入侵检测中应用研究秦浩指导教师张维石职称教授学位授予
2、单位大连海事大学工程申请学位类别工学硕±学科(专业)软件论文完成日期22016年3月26曰016年3月答辩日期答辩委员会主席左换朱ResearchandAlicationofLocalOutliersMininbasedonppgDensittoIntrusionDetectiony乂化esisSubmittedt;oDalianMaritimeUniversityInartialfulfillmentofthere
3、uirementsforthedereeofpqgMasterofEnineeringgbyQinHaoSoftwareEnineerin(gg)ThesisSuervisor;Pro化ssorZhangWeishipMarch2016大连海事大学学位论文原创性声明和使用授权说明原创性声明本人郑重声明:本论文是在导师的指导下,独立进行研究工作所取得的成果,""撰写成硕i学位论文基于密庵的局部离稍点挖掘及在入侵枪测中应用研究。除论文
4、中已经注明引用的内容外,对论文的研究做出重要贡献的个人和集体,均已在文中W明确方式标明。本论文中不包含任何未加明确注明的其他个人或集体已经公开发表或未公开发表的成果。本声明的法律责任由本人承担。学位论文作者签名;耗、為学位论文版权使用授权书本学位论文作者及指导教师完全了解大连海事大学有关保留、使用研究生学位论文的规定:,即大连海事大学有权保留并向国家有关部口或机构送交学位论。文的复印件和电子版,允许论文被查阅和借阅本人授权大连海事大学可将本、学位论文的全部或部分内容编入
5、有关数据库进行检索,也可采用影印缩印或扫描等复制手段保存和汇编学位论文。同意将本学位论文收录到《中国优秀博硕±学位论文全文数据库》(中国学术期刊(光盘版)电子杂志社)、《中国学位论文全文数据库》(中国科学技术信息研巧所)等数据库中,并W电子出版物形式出版发行和提供信息服务。保密的论文在解密后遵守此规定。:□在解密后适用本授权书。本学位论文属于保密年""不保密M(请在W上方框内打V)论文作者签名导戀名:為?為日期:王。日/《年^月為^中文摘要摘要近年来
6、,互联网蓬勃发展,信息化浪潮席卷全球,种类繁多的网络应用己经渗透到了人们的日常生活与工作中。人们在应用网络进行信息交换的同时,也感受到了信息安全的重要性。由于目前网络立法系统还不够完善,如今出现了信息一一。污染、个人信息泄露、甚至信息犯罪等系列问题作为主要的安全技术么,入侵检测能够实时的对网络攻击进行防御,是防火墙么后的第二道安全防线。随。着各种新的网络攻击手段和安全漏洞层出不穷,入侵检测需要有更高的要求在当今大数据时代,各行各业每时每刻都会产生巨大的数据集。除了知识数一据
7、么外网络攻击的数据、信息犯罪的证据也潜藏其中。数据挖掘是种从数据中发现有用知识的分析技术。本文将数据挖掘技术应用到入侵检测系统当中,可W在攻击类型未知的情况下,检测出异常攻击数据,使得网络安全工作者在与黑客的较量中取得了主动。离群点挖掘是数据挖掘的主要分支,本文综合数据挖掘在入侵检测中的应用进展化及各种离群点挖掘技术,W基于密度的局部离群点检测一算法为基础。该算法充分利用记忆效应,,提出种优化的局部离群点因子算法在基于密度的局部离群点检测中使邻域查询缩小范围,减少了大量的重复查
8、找过程,达到减少查询时间提高查询效率的效果。本文选取入侵检测数据集KDDCup99作为实验数据。实验中抽取不同攻击类型,姐成训练数据集和测试数据集,并且对阀值等参数进行训练,经研究分析找出入侵数据。实验从检测率误检率W及运行时间等方面将本文算法与其他经典算法作比较,验证算法的有效性。实验结果表明,本文算法能够完成网络异常检测任务,具有较高的检测率、较低的误检率和较少的运行时间,并且能够检测出未知的入侵数据一,有定的可靠性和高
此文档下载收益归作者所有