欢迎来到天天文库
浏览记录
ID:36620724
大小:632.30 KB
页数:63页
时间:2019-05-13
《基于粗糙集和支持向量机的网络入侵检测研究》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、上海交通大学硕士学位论文基于粗糙集和支持向量机的网络入侵检测研究姓名:裴骁衢申请学位级别:硕士专业:通信与信息系统指导教师:李建华20060101属性约简方法引入到入侵检测中本文主要研究将粗糙集属性约简算法和支持向量机的小样本分类能力相结合应用到网络入侵检测中在公共入侵检测框架(CIDF)的基础上提出基于粗糙集和支持向量机的网络入侵检测系统模型并对模型中各个模块的功能和实现进行深入探讨首先对数据属性决策表进行属性约简剔除其中不必要的属性从而可以揭示入侵检测条件属性内在的冗余性进行完这些必要的数据预处理后再利用支持向量
2、机算法进行入侵检测最后利用KDD99数据集对该入侵检测模型进行性能测试用支持向量机算法对经过属性约简后的数据和未经过属性约简的数据进行检测测试结果表明经过属性约简后入侵检测系统的检测率基本保持不变在对Probe攻击的检测中甚至有所提高由于条件属性的减少入侵检测系统在获取用户特征的时间得到了降低整个入侵检测系统的实时性得到了很大提高关键字入侵检测粗糙集属性约简支持向量机IINIDSRESEARCHBASEDONRSTANDSVMABSTRACTWiththedevelopmentofthecomputertechnol
3、ogyandnetwork,keepingthenetworksecurehasneverbeensuchanimportanttaskastoday.Thethreatsofthenetworkmaycomefromhardwarefailures,softwareflaws,tentativeprobingandmaliciousattacks.Thetraditionalintrusiondetectionsystemshavehighfalsenegativerate,andalsotheyneedlotso
4、fpriorknowledge.Soweneedtofindefficientmethodstoimprovetheperformanceoftheintrusiondetectionsystem.TheSupportVectorMachine(SVM)isanoveltypeofpatternrecognitiontechniquebasedonstatisticallearningtheory.TheSVMmapstheinputvectorintoahigh-dimensionalfeaturespacethr
5、oughsomenonlinearmapping.Inthisspace,anoptimalseparatinghyperplaneisconstructedtoseparatedatagroupings.TheSVMisparticularlygoodatclassifyingdatawithnonlinearcharacteristicsandhasgoodgeneralization.Fromtheviewpointoftheoryandapplication,thisdissertationconcentra
6、tesontheresearchofhowtoimprovetheperformanceoftheIIInetworkintrusiondetectionsystembasedonroughsettheory(RST)andsupportvectormachine(SVM).Roughsetreductionaimsatexpressingtheessentialdependencyandrelevancybetweenconditionalattributionsanddecisionattributionswit
7、houtinformationlosing.AnetworkintrusiondetectionsystembasedonRSTandSVMhasbeenproposed,usedinfindingabnormalactioninnetwork.Withroughsettheory,theattributesoftherawdataarereduced.TestsshowthatthenetworkintrusiondetectionsystembasedonRSTandSVMhasbetterperformance
8、thanbefore.KEYWORDS:IntrusionDetection,RoughSet,Reductionofattributes,SupportVectorMachineIV上海交通大学学位论文原创性声明本人郑重声明所呈交的学位论文是本人在导师的指导下独立进行研究工作所取得的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
此文档下载收益归作者所有