基于选择性集成学习的网络入侵检测方法研究

《基于选择性集成学习的网络入侵检测方法研究》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、，。化村｜一ＷＷ６３０＂１１。０＂无众、，著岛种技學ｙｉ订Ｏｉｎｇ化０ＵｎｉｖｗｓｉｗｏｆＳｃｋＱＭＣ＆ＴＫｎｎｏｌｏ化＂±肆位黎咬ｐ■ＭＡＳＴＥＲＤＥＧＲＥＥＴＨＥＳＩＳＩｒ基于选择性集成学司的网络入侵检測方法研巧巧巧；平布巧化ｙ巧巧；巧Ｔ巧巧Ｗ＾化：巧化〇Ｍ：！５〇ｇ＊化化：挪说方村Ａｒ巧ｆ柜２０１Ｇ年０６月１２日基于选择性集成学习的网络入侵检测方法研究、学位论文完成日期、蛛化：分化指导教师签字

2、：，心＾郑答辩委员会成员签字：—，３Ａ沪青岛科技大学研究生学位论文基于选择性集成学习的网络入侵检测方法研究摘要随着网络安全风险系数的不断提高，曾经作为最主要的安全防范手段的防火墙，已经不能满足人们对网络安全的需求。作为对防火墙的有益补充，入侵检测系统能够快速发现网络攻击的发生。近年来，网络入侵检测技术得到了快速的发展，但其理论基础仍然不够完善，在实际应用中还存在着对新攻击检测率低、时间复杂度高、泛化能力差等问题。为了解决现有的入侵检测系统所存在的问题，本文采用机器学习的思想对网络入侵检测技术进行研究，

3、并设计出基于选择性集成学习的网络入侵检测方法。选择性集成学习可以在提高学习系统泛化能力的同时有效降低系统的计算与存储开销。因此，本文采用选择性集成学习来检测网络入侵。首先，考虑基学习器的训练问题，提出一种基于依赖决策熵的决策树分类算法DTDDE；其次，考虑基学习器的选择与集成问题，提出一种新的基于决策树的选择性集成学习算法SELDT，SELDT算法利用DTDDE来训练基学习器，并通过Q-统计量来计算基学习器之间的差异度。第三，考虑选择性集成学习在网络入侵检测中的应用问题，即利用SELDT算法来检测网络入侵，从而构建

4、出一种新的入侵检测方法。该方法可以在不增加入侵检测系统建模时间的前提下，有效提高系统的检测性能。本文的主要工作包括以下几个方面：（1）提出一种基于依赖决策熵的决策树分类算法DTDDE。针对传统的基于信息熵的决策树算法所存在的问题，提出一种依赖决策熵的概念，并使用依赖决策熵来计算属性重要性，从而设计出一种基于依赖决策熵的决策树分类算法DTDDE。通过在多个UCI数据集上的实验表明，与现有的决策树算法相比，DTDDE算法能够获得更好的分类性能。（2）提出一种新的基于决策树的选择性集成学习算法SELDT。通过对原始数据进

5、行有放回的抽样来获得多个训练集，分别在每个训练集上利用（1）中所提出的决策树分类算法DTDDE来训练一个基学习器，并利用Q-统计量来计算基学习器之间的差异度。最后，选择M个差异度最大的基学习器来构建集成学习器。通过在真实数据集上的实验验证了SELDT算法的有效性。（3）将（2）中所提出的算法SELDT应用于网络入侵检测，从而得到一种新的基于选择性集成学习的入侵检测方法。为了将网络入侵行为与正常行为有效I基于选择性集成学习的网络入侵检测方法研究区别开来，该方法通过DTDDE算法来训练基学习器，并利用SELDT算法来构

6、建集成学习器。采用入侵检测领域广泛使用的KDDCup99数据集来验证该方法的有效性。相对于传统的方法，本文所提出的方法具有更好的入侵检测性能。关键词：泛化能力选择性集成粗糙集依赖决策熵决策树入侵检测II青岛科技大学研究生学位论文RESEARCHONNETWORKINTRUSIONDETECTIONMETHODBASEDONSELESTIVEENSEMBLELEARNINGABSTRACTWiththecontinuousimprovementofnetworksecurityriskfactor,servedast

7、hemainmeansofsecurityprecaution,thefirewallcannolongermeetthedemandfornetworksecurity.Asausefulcomplementtofirewall,intrusiondetectionsystemcanhelpquicklyidentifynetworkattacksnetworkoccur.Inrecentyears,networkintrusiondetectiontechnologyhasbeenrapiddevelopmen

8、t,butitstheoreticalfoundationisstillnotperfect,thereexistmanyproblems,forexample,lowdetectionratetonewattack,hightimecomplexity,andpoorgeneralizationinpracticalapplications,inorder