基于主成分分析和贝叶斯分类的入侵检测方法研究

基于主成分分析和贝叶斯分类的入侵检测方法研究

ID:32700860

大小:1.55 MB

页数:49页

时间:2019-02-14

基于主成分分析和贝叶斯分类的入侵检测方法研究_第1页
基于主成分分析和贝叶斯分类的入侵检测方法研究_第2页
基于主成分分析和贝叶斯分类的入侵检测方法研究_第3页
基于主成分分析和贝叶斯分类的入侵检测方法研究_第4页
基于主成分分析和贝叶斯分类的入侵检测方法研究_第5页
资源描述:

《基于主成分分析和贝叶斯分类的入侵检测方法研究》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、密级公开重庆邮电大学硕士学位论文Y1219425英文题目一AnAlgorithmBasedonPrincipalComponentAnalysis一垒旦垂旦aY£§i垦堕£!垦§§i!i£a!iQ盟!鱼!!堑!£坠giQnQ£!££!iQ旦硕士研究生丝垦送指导教师壑芏丞撞学科专业盐差垫廛旦挂盔论文评阅人、赵醯蜂盔聋耍邀益碧i晕堑聋毖叠蠡蜂蚣篮答辩委员会主席壅叠坚整蕉重廛盘堂2007年5月30日重庆邮电大学硕士论文摘要入侵检测是继“防火墙”、“数据加密”等传统安全防护措施之后又一道安全闸门。入侵检测作为一种积极主动的安全防护技术,提供了对内部攻击、外部

2、攻击和误操作的实时防护,能够在网络系统受到危害之前,及时拦截和响应入侵。随着网络规模的日益庞大、网络环境的日益复杂和网络传输速度日益迅速,入侵检测系统在提高准确度的同时还必须提高处理速度。贝叶斯分类是数据挖掘方法中一种高效、快速的分类算法,但存在特征属性与类属性的相对独立性问题。为此,本文构建了PCA-BC入侵检测模型,将主成分分析PCA(PrincipalComponentAnalysis)和贝叶斯分类BC(BayesimClassification)结合起来,提出一种改进的入侵检测算法PCA-BC。该算法首先利用主成分分析对原始数据进行预处理,增

3、强数据分布的独立性,然后利用贝叶斯分类器学习分类规则。仿真测试结果表明通过算法使特征独立性增强、检测系统的训练时间明显降低、预测精度明显提高。关键词:入侵检测,主成分分析,贝叶斯分类,网络安全重庆邮电大学硕士论文AbstractNetworkintrusiondetectionisanewsecuritystrobebesidestraditionalsecurityprotectionmeasures,suchas“firewall'’,’'dataencryption'’etc.Asallactivesecurity-dcfcnsctechniq

4、ue,intrusiondetectionoffersreal-timeprotectionagainstinteriororexteriorattack,andmistakenoperation.ItCanintimeinterceptorrespondtotheintrusionbeforethenetworkisinvaded.However,intrusiondetectionsystemsarefacinggreatchallenges,likelargerandlargernetworkscales,moreandmorecomplica

5、tednetworkenvironmentsandfasterandfastertransmittingspeed.Sointrusiondetectionsystemsarerequiredtoimprovenotonlydetectionaccuracybutalsoprocessingspeed.Bayesianclassificationisaneffectiveandfastalgorithmforclassification.However,itispersecutedbytherelativeindependenceproblemsof

6、characteristicattributestoclasslabels.Herein,aPCA-BCmodelisbulRforintrusiondetection,whichcombinesPCA(PrincipalComponentAnalysis)withBC(BayesianClassification).Then,animprovedalgorithmPCA-BCisputforwardforintrusiondetection.ItutilizesPCAtopre-processingoriginaldataSOthattheinde

7、pendenceofdatadistributionisenhanced.Then,classificationrulesarelearntbyBC.SimulationexperimentsshowthatthenewalgorithmCanmakedataindependencemorestronger,trainingtimeofdetectionsystemsshorterandpredictiveaccuracyhigher.Keywords:intrusiondetection,PCA(principalcomponentanalysis

8、),BayesianClassification,NetworkSecurityⅡ独创。I'll声明本人声明

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。