支持向量机在入侵检测系统中的应用.pdf

⋯⋯:够,§:历怎、⋯,月原创性声明学位论文使用授权声明本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究所取得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体,均已在文中以明确方式标明。本声明的法律责任由本人承担。本人在导师指导下完成的论文及相关的职务作品,知识产权归属郑州大学。根据郑州大学有关保留、使用学位论文的规定,同意学校保留或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;本人授权郑州大学可以将本学位论文的全部或部分编入有关数据库进行检索,可以采用影印、缩印或者其他复制手段保存论文和汇编本学位论文。本人离校后发表、使用学位论文或与该学位论文直接相关的学术论文或成果时,第一署名单位仍然为郑州大学。保密论文在解密后应遵守此规定。
摘随着网络技术的飞速发展以及广泛应用,网络安全成了越来越重要的问题,如何快速、准确、有效地识别已有的攻击和同益增多的新的攻击是入侵检测系统所面临的迫切问题。相对于传统的入侵检测技术来说,模式识别技术为基于机器学习的入侵检测技术注入了新的活力,模式识别技术的泛化能力,使入侵检测系统能检测到新的或未知的攻击;而分类器的分类能力提高了入侵的检测率。支持向量机建立在统计学理论的维理论和结构兆钚』蛏希苊了局部最优解,并克服了维数的灾难。在解决小样本、高维输入空间的入侵检测分类问题中表现出了许多优势。本文对基于向量机的入侵检测系统进行研究和探讨。考虑到网络连接数据的不同属性对检测结果贡献不一的事实,本文根据决策函数的特有形式与前人的研究成果提出了新的特征选择方法,提高了检测的效率和精度。本文的工作主要包括以下几个方面:凼隽巳肭旨觳庀低车姆⒄估蹋治隽四壳叭肭旨觳獾难芯肯肿矗并讨论了现有的检测结构及检测技术的优点及局限性。隽送臣蒲袄砺鄣幕驹恚诼凼鲋С窒蛄炕耐保治隽支持向量机优于其他的学习算法的原因,研究了支持向量机的实现方法。捎谕缣卣魇葜校煌奶卣鞫苑掷嘟峁挠跋煜凳煌持向量机的决策函数可以表示为权值与特征的乘积的和的形式,在前人的研究成果的基础上,本文提出了一种新的特征选择方法,并进行了实验验证,经过在数据集上的实验结果证明这一方法是有效可行的。关键词:支持向量机;入侵检测;机器学习;特征选择;要
.,;.甪甀,瑃瓹瓵琒,,瓵,Ⅱ
;篠;
第一章第二章
谌肭旨觳庵械挠τ谩实验结果及分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。第五章结论与展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯个人简历、在学期间发表的学术论文与研究成果⋯⋯⋯⋯⋯⋯⋯第三章第四章致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯支持向量机应用于入侵检测⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.支持向量机方法实现入侵检测的基本思想⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..实验数据集⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..数据预处理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.网络数据特征选择⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.基于支持向量机的入侵检测系统⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..核函数及相应参数选择⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.特征选择实验⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯≡穹椒ǘ璲系统性能比较⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.本文研究工作总结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.讨论与展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.撕≡≡≡⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..、】
表的目录表‘入侵检测系统考虑的方面⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯·表样本分布情况表⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯·表特征及特征集描述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯“表检测攻击需要的属性集组合⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯”表各特征与其对应的值⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯多项式核〔煌档氖笛榻峁⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.表多项式核〔煌档氖笛榻峁⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯薕〔煌档氖笛榻峁⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯薈取不同值的实验结果表嗽贠≈挡煌奔觳釰下常行为的实验结果嗽贑取值不同时检测证常行为的实验结果嗽贠≈挡煌奔觳釶的实验结果嗽贑取值不同时检测氖笛榻峁.⋯⋯⋯⋯.嗽谪耆≈挡煌奔觳釪的实验结果嗽贑取值不同时检测氖笛榻峁.⋯⋯⋯⋯.表嗽谪耆≈挡煌奔觳釻的