学位论文 > 优秀研究生学位论文题录展示

基于支持向量机的入侵检测系统的研究

作　者: 钟时
导　师: 胡亮
学　校: 吉林大学
专　业: 计算机系统结构
关键词: 支持向量机(Support Vector Machine) 入侵检测系统(Intrusion Detection System) 网络安全
分类号: TP393.08
类　型: 硕士论文
年　份: 2008年
下　载: 175次
引　用: 1次
阅　读: 论文下载

内容摘要

入侵检测系统已经成为网络安全技术的重要组成部分。然而,传统的异常入侵检测技术需要通过对大量训练样本的学习才能达到较高的检测精度,而大量训练样本集的获取在现实网络环境中是比较困难的。本文研究在网络入侵检测中采用基于支持向量机(SVM)的学习算法,通过基于SVM的学习算法实现对小样本量的网络访问数据的自我学习,得出分类模型,从而实现对网络访问的模型匹配,实现对网络访问合法性的自我判断,达到入侵检测的目的。

全文目录

提要  4-6
第一章绪论  6-8
第二章 SVM基本模型  8-22
  2.1 统计学习理论及SVM 理论的发展  8-9
  2.2 SVM 基本模型的提出  9-13
  2.3 SVM 与神经网络方法的对比  13-14
  2.4 SVM 训练算法的介绍  14-17
  2.5 SVM 的简单算例  17-21
  2.6 本章小结  21-22
第三章总体规划和系统的总体设计  22-31
  3.1 入侵检测的必要性和发展  22
  3.2 入侵检测的分类及定义  22-23
  3.3 入侵检测方法  23-29
    3.3.1 异常入侵检测  23-27
    3.3.2 误用入侵检测技术  27-29
  3.4 入侵检测的体系结构  29-30
  3.5 本章小结  30-31
第四章系统的总体设计及实验环境设置  31-39
  4.1 基于SVM 的IDS 的设计思想  31-32
  4.2 SVM 数据训练软件介绍  32-33
  4.3 LIBSVM 软件试验环境的搭建  33-35
  4.4 LIBSVM 软件的基本工作原理  35-36
  4.5 LIBSVM 具体参数简介  36-38
  4.6 系统开发的环境设置  38-39
第五章系统的详细设计及主要编码  39-47
  5.1 数据源  39-41
  5.2 实验主要代码  41-45
  5.3 试验结果及分析  45-47
参考文献  47-49
摘要  49-52
Abstract  52-55
致谢  55

基于支持向量机的入侵检测系统的研究

内容摘要

全文目录

相似论文