基于统计分类器的入侵检测关键技术的研究(可复制论文).pdf

摘要保汪系统和网络资源的安全十分重要。模式识别技术的应用,解决了传统入侵检测系统的两个主要缺陷:检测准确率低和不能检测到新的攻击。统计分类器的泛化能力,使得入侵检测系统更能准确地检测到新的攻击,从而取得比较好的入侵检测效果。本文提出了基于网络协议分析和特征分析的多分类器组合入侵检测模型,首先根据网络协议进行数据划分;然后对每一类协议的数据,建立一个基于不同特征空间的神经网络分类器组合;最后采用模糊积分的组合策略将各分类器的输出进行融合。实验结果表明,该方法取得了比较好的入侵检测率。为改善多分类器组合模型的性能,对以下几个关键技术进行了研究:。本文分析了入侵检测系统的评价参数以及它们之间的关系,提出一种与样本分布无关的报警可信度计算分类器组合策略影响着系统的性能。本文采用基于模糊积分的组合壤略,并提出一种模糊密度的计算方法,适合训练样本分布不均匀的情况。为提高组合分类器性能,单个分类器结构不宜过于复杂。本文对输入数据的特征选择算法进行研究。首先提出了基于顺序后退搜索法和奶卣餮择算法。然后利用特征之间的相似性,和浮动搜索算法的思想,提出了基于特征相似性的特征选择算法。接着将提出的特征算法扩展到无监督学习的情况。最后基于互信息和分类准确度加权,提出基于难≡穸喾掷嘞楹纤枷耄善特,正选择算法稳定性。分类器的性能受训练样本影响很大,训练样本过多,会导致“过训练”;而在网络安全问题臼益突出的今天,如何迅速有效地发现备类攻击行为,,并影响分类准确度。根据入侵方法。北京邮电大学博士学位论文
知识水坝***@pologoogle为您整理
检测数据的特点,本文提出一种基于边界样本概念的训练样本选择方法,解决从大规模数据集中选择训练样本的问题。为了解决样本分布不均匀的问题,本文还关键词:入侵检测模糊特征选择算法稳定性样本选择虚拟样本提出了虚拟样本构造方法。通过上述两种方法解决了本文的训练样本集构造问报警可信度多分类器组合模糊密度神经网络题。检测率积分边界样本北京邮电大学博士学位论文
知识水坝***@pologoogle为您整理
,瓾.￡,.,,,—.
,.北京邮电大学博士学位论文猙.....,,瓹甌—瑆·,~
本人签名:磁为本人签名:。据我所知,除了文中特别加以标注和致谢的地方外,论文中不包括其他人已经发表或撰写过的研究成果,也不包含为获得北京邮电大学或其他教育机构的学位或论文而使用过的材料。与我一同工作的同志对本研究所作的任何贡献均本论文作者完全了解北京邮电大学有关保留、使用学位论文的规定,有权保留并向国家有关部门或机构交送论文的复印件,允许论文被查阅和借阅。本人授权北京邮电大学可以将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论文。C艿难宦畚脑诮饷芎笥ψ袷卮斯娑己在论文中作了明确的说明并表示了谢意。导师签名日期:口阞丹工北京邮电大学博士学位论文
第一章绪论引言进入一个新的时代,大量的开放资源也为黑客们的滋长提供了肥沃的±壤,任何时,随着网络互联爆炸式的发展,企业组织的规模不断扩大,企业内部计算机系入侵检测通过收集操作系统、应用程序、网络包等信息,发现系统及数据流中违背安全策略或危及系统安全的行为。一个成功的入侵检测系统,它不但可供支持:并且入侵检测系统的策略与规模还应根据网络威胁、系统构造和安全需近年柬随着各种网络业务的兴起,如网络银行、电子钱包、电子商务和电子政务等,网络犯罪对个人、企业乃至国家安全造成的损失也曰益严重。伴随着安全事件的日益增多,网络信息安全问题越来越受到重视。”。。另一方面,统的数量大大增加,网络拓扑结构变得越来越复杂,监视一个网络攻击已经变得相当困难。目前,传统的基于防火墙的被动防御策略,已不能满足网络信息安全的需求,原因如下:肭终呖扇乒阑鹎剑罢铱赡艹ǹ5暮竺牛入侵者可能就在防火墙内:捎谛阅艿南拗疲阑鹎酵ǔ2荒芴峁┦凳钡娜肭旨觳饽系统作为补充。。“!H肭旨觳庀低篒多的安全产品共同济作,构成了一个立体的安全体系“。图是目前流行的安全体系框架,入侵检测系统是其中一个重要的组成部分,扮演着数字空间“预警机”的角色,它和防火墙的互动,实现了网络的动态防御。使系统管理员时刻了解整个网络系统的任何变更,。同力。因此就需要能够及时的发现各种攻击企图