基于支持向量机的入侵检测技术的应用研究

《基于支持向量机的入侵检测技术的应用研究》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、分类号UDC江薛大擎密级：公五编号：!Q呈鱼鱼堡Q璺Q鱼Q鱼工程硕士学位论文基于支持向量机的入侵检测技术的应用研究ResearchandApplyforSVMInIntrusionDetectionSystem指导教师陈塑爵作者姓名陈夔态申请学位级别王猩亟±专业名称让篡扭撞查论文提交日期垒Q!墨生!!旦论文答辩日期垒Q!墨生12旦学位授予单位和日期江菱盍堂答辩委员会主席评阅人独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。除文中己注明引用的内容以外，本论文不包含任何其他

2、个人或集体已经发表或撰写过的作品成果，也不包含为获得江苏大学或其他教育机构的学位或证书而使用过的材料。对本文的研究做出重要贡献的个人和集体，均己在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：商康毒)刀／多年／2月／名日学位论文版权使用授权书江苏大学、中国科学技术信息研究所、国家图书馆、中国学术期刊(光盘版)电子杂志社有权保留本人所送交学位论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致，允许论文被查阅和借阅，同时授权中国科

3、学技术信息研究所将本论文编入《中国学位论文全文数据库》并向社会提供查询，授权中国学术期刊(光盘版)电子杂志社将本论文编入《中国优秀博硕士学位论文全文数据库》并向社会提供查询。论文的公布(包括刊登)授权江苏大学研究生处办理。本学位论文属于不保密学位论文作者签名：l奇施加，弓年陟月，6日指导教师签名：懒yf>年tp只tbl日江苏大学工程硕士学位论文摘要入侵检测作为一种主动防御技术，弥补了传统安全技术的不足。但由于入侵手段的复杂性和多样性，至今仍然没有找到入侵行为与捕获到的网络数据包信息特征之间确定的函数关系，机器学习是

4、试图对这种函数关系进行估计的有效方法。支持向量机(SVM)是一种建立在统计学习理论基础之上的机器学习方法，能较好地解决有限样本、非线性、高维数局部极小点等问题。将支持向量机方法用于入侵检测，可以获取较好的检测性能。论文结合支持向量机(SVM)的特点，将支持向量机作为检测方法应用到网络入侵检测领域，提出使用支持向量机构建入侵检测分类器，设计了一个基于支持向量机的入侵检测系统模型，并使用数据集进行了实验工作。论文为了更好的处理分析数据，给出了核函数参数优化方法，使其达到较好分类效果。通过主成分分析、因子分析等设计方法实

5、现了数据降维和阈值设计，基于特征提取和因子分析，进一步优化了数据的特征选择和提取。实验基于张家港电信网络的入侵检测分析，论文提出的方法可以有效的提高分类精度和检测效率。关键字：入侵检测、自适应特征加权、支持向量机基于支持向量机的入侵检测技术的应用研究ABSTRACTIntrusiondetectionsystem(IDS)，whichisanactivedefensetechnology，bridgesagaptoclassicaldefensesystem．However，becauseofthecomplexi

6、tyandvarietyofintrusion，atpresent，thefunctionrelationbetweenintrusionanddatafeatureofnetworklinkinformationhasnotbeenfound．Itislearningmachinethattrytoapproximatethefunctionrelation．Supportvectormachine(SVM)isalearningmachinebasedonstatisticlearningtheory．Itca

7、nsolvemanyproblems，suchaslimitedsample，nonlinearspace，highdimension，localextremeandSOon．WeputtheSVMintoIDS，anditcangetbetterdetectioneffect．Combinedwiththesupportvectormachine(SVM)features，’supportvectormachineasthedetectionmethodisappliedtothenetworkintrusion

8、detectionfield，isproposedusingsupportvectormachinebuildintrusiondetectionclassifier，thedesignofasupportvectormachinebasedonthesolidmodelofintrusiondetectionsystemindetail，usingthed