基于变精度粗糙集的入侵检测技术研究

《基于变精度粗糙集的入侵检测技术研究》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：公开硕士学位论文中图分类号：TP311基于变精度粗糙集的入侵检测技术研究学位类型：专业学位学科（专业学位类别）：计算机技术作者姓名：陈晓纯导师姓名及职称：李章兵（副教授）实践导师姓名及职称：钟阳（高级工程师）学院名称：计算机科学与工程学院论文提交日期：2016年5月25日基于变精度粗糙集的入侵检测技术研究学位类型：专业学位学科（专业学位类别）：计算机技术作者姓名：陈晓纯作者学号：14020501010导师姓名及职称：李章兵（副教授）实践导师姓名及职称：钟阳（高级工程师）学院名称：计算机科学与工程学院论文提交日期：2016年5

2、月25日学位授予单位：湖南科技大学RESEARCHONINTRUSIONDETECTIONTECHNOLOGYBASEDONVARIABLEPRECISIONROUGHSETTypeofDegreeProfessionalDegreeDiscipline(TypeofProfessionalDegree)computertechnologyCandidateChenXiaochunStudentNumber14020501010SupervisorandProfessionalTitleA.P.LiZhangbingPractic

3、eMentorandProfessionalTitleS.E.ZhongYangSchoolComputerScienceandEngineeringDateMay25,2016UniversityHunanUniversityofScienceandTechnology学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本

4、声明的法律后果由本人承担。作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权湖南科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。涉密论文按学校规定处理。作者签名：日期：年月日导师签名：日期：年月日摘要随着信息通信技术与经济、工业等领域的融合，相应的网络安全管理问题也日益凸显，给安全问题带来了新的挑战。入侵检测作为对数据进行

5、安全保护的一种技术就显得尤其重要。传统的入侵检测系统存在检测率低，实时性差，漏报率和误报率高等问题，不能满足人们对安全的需求，而且需要大量的先验知识来获取经验构造模型才可以取得相对满意的检测性能。所以，对于研究不需要先验知识和样本量少的入侵检测方法具有重要的现实意义。入侵检测的过程也是区分正常行为和异常行为的过程，支持向量机是作为在一定程度上寻求最优二分类器的一种技术，对于解决有限小样本、非线性及高维模式识别中具有很多独特的优势，成功应用到机器学习等其他领域中。所以本文在入侵检测中引入支持向量机。入侵行为中包含很多属性，如果直接作

6、为训练样本，就会耗时很长。当然其中并不是所有的属性都是必不可少的，还有些特征是不精确的，粗糙集理论正是对处理这些不确定、不精确的数据方面具有优势，变精度粗糙集又克服了粗糙集对数据敏感的缺点。所以变精度粗糙集对属性进行约简有更好的优势。本文将变精度粗糙集属性约简和支持向量机的分类能力相结合应用在入侵检测中。在公共入侵检测框架的基础上，提出了基于变精度粗糙集和支持向量机的入侵检测模型，并对模型中的各个模块进行分析和探讨。采用KDDCUP99数据集进行实验，分别和其他检测方法进行比较，实验结果表明，本文的检测方法和其他方法在检测正确率方

7、面略高，但是漏报率相对较低。使用的变精度粗糙集约简算法处理数据，减少了数据存储量，使分类的训练时间缩短，入侵检测系统的实时性提高了。关键词：入侵检测；支持向量机；粗糙集；变精度粗糙集；属性约简iABSTRACTWiththeconvergenceofinformationandcommunicationtechnologyandtheeconomy,industryandotherfields,thecorrespondingnetworkmanagementissuesincreasinglyprominent,broughtn

8、ewchallengestonetworksecurity.Intrusiondetectionasaprotectmeansisespeciallyimportant.Traditionalintrusiondetectionsystemexis