欢迎来到天天文库
浏览记录
ID:32137938
大小:1.46 MB
页数:54页
时间:2019-01-31
《基于svm入侵检测的研究》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、北京交通大学硕士学位论文中文摘要入侵检测系统是网络安全研究中的一个重要方向,作为防火墙之后的第二道安全防线,入侵检测系统能够发现网络入侵行为,和防火墙一起组成立体防御体系。入侵检测技术分为误用检测和异常检测两类,由于异常检测必须跟踪和更新系统或用户的行为特征,因此计算量大。通常采用机器学习的方法解决异常检测的计算量较大的问题,本文采用支持向量机方法,支持向量机是一种基于结构风险最小化的分类和预测算法。入侵检测问题本质上是一个分类问题,如果把多类分类问题转化为多个两类分类问题,我们就可以应用支持向量机解决攻击分类。本文在分析现有入侵检测、支持向量机技术基础上,对基于支持向量机的纠错输出编码多类
2、分类方法进行了研究,并对基于支持向量机的入侵检测系统进行了设计,取得了以下成果:●结合Hadamard矩阵和支持向量机,使用纠错编码输出方法解决入侵检测的多类分类,并给出了具体实现算法。●参考通用入侵检测框架,设计了一个基于支持向量机的入侵检测系统模型,并实现了部分模块。●实现了多种多类分类方法,针对KDDCUP99数据集进行了测试实验,实验结果表明,基于Hadamard矩阵的纠错编码输出方法具有比较好的分类效果。关键词:网络安全,入侵检测,支持向量机,多类分类,纠错输出编码分类号:TP393.08北京交通大学硕士学位论文ABSTRACTABSTRA(了rIDS(IntrusionDetec
3、tionSystem)isaveryimportantresearchfieldinnetworksecurity.Asthesecondlineofdefensebehindthefirewall.IDS啪findintrusionbehaviorsandformasoliddefensesystemtogetherwithfirewall.Misusedetectionandanomalydetectionaretwotypesofdetectiontechnology.Be贮auseanomalydetectionmusttrackandupdatesystemOruserbehavi
4、orcharacteristics,thecomputationisenormous.ResearchersusuallyUSemachinelearningmethodstosolvethisproblem.Inthispaper,WeuseSVM(SupportVectorMachines).SVMisaclassificationandpredictionalgorithmbasedonSRM(StructurallUskMinimum)theory.Intrusiondetectionisessentiallyaclassificationissue.Ifmuiticlassclas
5、sificationisdividedintoahambetoftwoclassclassifications,WecanuseSVMtOresolveattacksclassification.ThispaperinthoroughlyandcarefullyanalyzestheexistingintrusiondetectiontechniguesandSVMtechniques,conductestheresearchOnError-CorrectingOutputCodes(ECOC)multiclassclassificationbasedonSVMandthedesignofa
6、intrusiondetectionsystembasedonSVM,obtainingthefollowingachievements:●CombiningHadamardmatrixandSVM·BSCSECOCtosolvemulticlassclassificationofintrusiondetection,anddescribesthealgorithms.·MakingreferencetoCIDF(CommonIntrusionDetectionFramework).designsaIDSmodelbased011SVM,andhasrealizedpanialmodules
7、.●RealizesavarietyofmulticlassclassificationmethodsandtestsourmethodsusingKDDCUP99datasets.TestresultsshowthatHadamantECOChasgoodclassificatione£fed.KEYWORDS:networksecurity,intrusiondetection,SupportVector
此文档下载收益归作者所有