基于深度信念网络的入侵检测算法研究

《基于深度信念网络的入侵检测算法研究》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、中图分类号：TP309密级：公开UDC：620学校代码：10094硕士学位论文（学历硕士）基于深度信念网络的入侵检测算法研究IntrusionDetectionAlgorithmBasedonDeepBeliefNetworks研究生姓名：逯玉婧指导教师：张运凯教授学科专业：软件工程研究方向：信息安全论文开题日期：2015年04月23日二〇一六年三月二十一日中图分类号：TP309密级：公开UDC：620学校代码：10094硕士学位论文（学历硕士）基于深度信念网络的入侵检测算法研究IntrusionDetectionAlgorithmBasedonDeepBelief

2、Networks作者姓名：逯玉婧指导教师：张运凯教授学科专业：软件工程研究方向：信息安全论文开题日期：2015年04月23日I学位论文原勒性声明本人所提交的学位论文《基于深度信念网络的入侵检测算法研究》，是在导师的指导下，独立进行研究工作所取得的原创性成果，。除文中已经注明引用的内容外本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出重要贡献的个人和集体，均己在文中标明。本声明的法律后果由本人承担。论文作者（签名）；指导教师确认（签名（年ｉ月＾曰《年＾月扛曰学位论义版权使用授权书本学位论文作者完全了解河北

3、师范大学有权保留并向国家有关部口或机构送交学，允许论文被查阅和借阅。本人授权河北师范大学可位论文的复印件和磁盘１＾将学位论文的全部或部分内容编入有关数据库进行检索，可Ｗ采用影印、缩印或其它复制手段保存、汇编学位论文。（保密的学位论文在年解密后适用本授权书）论文作者（签名）：指导教师如占年文月如日＞（占年ＨＩＩ摘要随着网络的广泛普及与应用，网络安全的关注度持续升温，已经上升至国家战略层面。入侵检测技术是网络安全学科的重要组成部分，是一种有效的网络安全防护措施。传统入侵检测技术存在着检测方法单一、检测性能差、自适应能力低等问题。由于网

4、络规模日益扩大、网络攻击手段呈现多样化以及新漏洞不断出现，传统入侵检测技术已无法满足当前网络安全需要。深度信念网络是机器学习领域的一门前沿技术，具有非线性的网络结构以及能够抽取数据的本质特征等优点，已在计算机视觉、语音识别、自然语言处理等领域取得瞩目的成果。将深度信念网络（DeepBeliefNetworks,DBN）引入到入侵检测领域以解决当前网络安全面临的问题变得极为迫切。本文主要完成了下述几方面的工作：（1）提出基于自适应深度信念网络的入侵检测算法针对入侵检测要求具有较高的自适应能力，传统深度信念网络中对比散度算法采样容易陷入局部最优值以及训练过程中对学习率参

5、数敏感等问题，提出基于自适应深度信念网络的入侵检测算法。首先，从统计力学的角度分析深度信念网络的组成部件受限玻尔兹曼机（RestrictedBoltzmannMachine,RBM）模型能量变化趋势。其次，为了克服固定经验式学习率致使系统不稳定问题，提出一种基于能量变化的学习率寻优策略。最后，将并行回火算法与该寻优策略相结合，提出基于自适应深度信念网络的入侵检测算法——ADBN（AdaptiveDeepBeliefNetworks）。通过实验验证，该算法有效提高了入侵检测的检测率等指标。（2）提出基于深度信念网络与随机森林的入侵检测算法针对入侵行为种类多，高维网络数

6、据特征提取困难以及误报率高等问题，结合深度信念网络与集成算法的优势，提出基于深度信念网络与随机森林的入侵检测算法——DBN-RFS（DeepBeliefNetworks-RandomForests）。该算法利用多层的非线性结构进行特征提取，将高维的网络数据映射到低维空间。在特征提取过程中，抽取不同隐藏层的特征构成组合特征。最后将组合特征输入到随机森林中进行入侵检测识别。实验结果表明，该方法有效提高入侵检测的检测率，并降低了误报率。（3）提出面向不平衡网络数据的混合入侵检测模型针对网络数据具有入侵行为分布不平衡的特殊性，传统入侵检测算法存在对少数类III入侵行为检测率

7、低等问题，提出一种面向不平衡网络数据的混合入侵检测模型。该模型的数据预处理模块中，引入针对少数类数据提出改进的SMOTE算法（SyntheticMinorityOver-samplingTechnique）——ITFSMOTE（ImprovedTrigonometricFunctionSyntheticMinorityOver-samplingTechnique）。该算法在少数类数据合成时，采用三角选择算子及优胜劣汰思想，从而提高了少数类数据的选择概率。在模型的入侵检测模块使用本文提出的入侵检测算法进行入侵行为识别。实验结果表明，该模型可以有效提高少数类入侵行为