基于改进决策树网络入侵检测

基于改进决策树网络入侵检测

ID:33350360

大小:3.06 MB

页数:57页

时间:2019-02-25

基于改进决策树网络入侵检测_第1页
基于改进决策树网络入侵检测_第2页
基于改进决策树网络入侵检测_第3页
基于改进决策树网络入侵检测_第4页
基于改进决策树网络入侵检测_第5页
资源描述:

《基于改进决策树网络入侵检测》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、摘要随着网络的不断发展,安全问题越来越多,原有的防火墙已经难以单独保障网络的安全,入侵检测系统(IntrusionDetectionSystem)开始发挥出不可替代的作用。当前大多数入侵检测产品使用的多是基于规则的简单模式匹配技术,它们存在着资源消耗量大,误报率高以及随着网速的提高而出现丢包等问题。决策树由于具有无参性、构造速度快、高度可解释性等优点而成为数据挖掘领域广泛使用的模型。本文工作的主要内容就在于对基于决策树的入侵检测系统的分析方法、体系设计等的初步探索。本文首先对决策树算法作了详细地分析。根据网络数据集的特点选择C4.5算法实现。C4.5算法很好地扩展了ID

2、3算法,它将分类领域从离散型属性扩展到连续值属性,目前它已成为现在公认的性能较优的决策树分类器算法。在分析和总结了C4.5算法的基本性质、性能和特点的基础上,本文对经典的C4.5算法进行了一些改进,根据属性值的特征改进计算连续属性的信息增益方法,从而提高整个决策树的生成效率,并分析了改进后的特点和效果。关键词:入侵检测数据挖掘决策树C4.5AbstractWiththedevelopmentofthenetwork,securityproblemsbecomemoreandmoreimportant.However,theoriginalfn'ewallhasbeenu

3、nabletodefendnetworkalone,IntrusionDetectionSystemplaysanimportantrole.Mostcurrentintrusiondetectionproductsareusedbythesimplepattem-matchingtechnology,theyexistintheconsumptionofresources,highrateoffalsepositives,packetlossandotherissues.Decisiontreehasmanyadvantages:non-parametric,fast

4、construction,andhighlyexplanatory,theseadvantageshavebecomewidelyusedmodelinthedataminingareas.ThispaperiSonthemainelementsofthedecisiontreebasedontheintrusiondetectionsystemanalysis,systemdesign,thepreliminaryexploration.Thispaperfirstmadethedecisiontreealgorithmdetailedanalysis.Accordi

5、ngtothecharacteristicsofthenetworkdataset’SfeaturechoiceC4.5algorithm.TheC4.5algorithmexpandedtheID3algorithmwell,itwillclassifythedomaintoexpandfromthediscretetypeattributevaluestothesuccessivevalueattribute,ithasbecomerecognizedintermsoftheperformanceofthedecisiontreeclassificationalgo

6、rithm.IntheanalysisandsummarizesthebasicnatureofC4.5algorithm,performanceandcharacteristicsonthebasisofthispaper,theclassicalalgorithmC4.5someimprovements,accordingtothecharacteristicsofimprovedpropertyvaluesforattributesoftheinformationgain,therebyenhancingtheDecisionTreegenerationeffic

7、iencyandimprovedanalysisofthecharacteristicsandeffects.Keywords:IntrusionDetectionDataMiningDecisionTreeC4.5创新性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢中所罗列的内容以外,论文中不包含其他人已经发表或撰写过的研究成果:也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中做了明确的说明并表示

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。