学位论文 > 优秀研究生学位论文题录展示

快速智能入侵检测技术研究

作　者: 张毅峰
导　师: 张雪芹
学　校: 华东理工大学
专　业: 信号与信息处理
关键词: 入侵检测 SVM 并行算法 GPU CUDA
分类号: TP393.08
类　型: 硕士论文
年　份: 2012年
下　载: 53次
引　用: 1次
阅　读: 论文下载

内容摘要

随着Internet的日益普及和网络技术的快速发展,企业及政府计算机系统遭受攻击的次数越来越多,信息安全问题日渐突出。传统的静态安全策略已无法满足系统安全的需求。入侵检测基于动态安全策略,被视为防火墙之后的第二道安全闸门。入侵检测实质上分类问题,采用机器学习方法构造检测模型可以检测主机或者是网络中可能存在的攻击行为。支持向量机作为机器学习方法源于统计学习VC维理论和结构风险最小化原理,具有分类效果好、全局最优等优点,已逐步应用到入侵检测领域。但是SVM学习过程需要求解一个二次规划问题,对大规模网络入侵检测问题空间和时间复杂度都非常大。图形处理单元(Graphic Processing Unit, GPU)具有高并行度,多线程的强大计算能力,近年来已逐步应用到通用计算领域,也给智能入侵检测领域中面临的大规模数据集的训练和分类问题提供了很好的解决方案。本文针对大规模入侵检测问题,介绍了入侵检测基本原理和实现快速智能入侵检测技术的相关背景知识；根据GPU体系结构和并行计算能力,提出了一种基于GPU的并行支持向量机算法GSVM;实验表明,本文提出的快速智能入侵检测算法可以有效地提高了入侵检测系统的分析效率,并解决了传统商业入侵检测系统的误报、漏报率高的问题。

全文目录

摘要  5-6
Abstract  6-9
第1章绪论  9-11
  1.1 研究背景  9-10
  1.2 研究内容和创新  10
  1.3 论文安排  10-11
第2章入侵检测  11-18
  2.1 入侵检测的概念  11-12
  2.2 入侵检测系统结构  12-13
  2.3 入侵检系统分类  13
    2.3.1 基于数据源的分类  13
  2.4 入侵检测的分析方法  13-16
    2.4.1 误用检测  13-14
    2.4.2 异常检测  14-16
  2.5 入侵检测的发展趋势  16-18
第3章快速智能入侵检测关键技术  18-38
  3.1 支持向量机理论基础  18-20
    3.1.1 统计学习理论  18
    3.1.2 VC维和结构风险最小化原则  18-20
  3.2 支持向量机算法  20-27
    3.2.1 基本原理  20-24
    3.2.2 序贯最小分解算法  24-25
    3.2.3 工作集选择和终止条件  25-27
  3.3 GPU并行计算理论基础  27-38
    3.3.1 众核处理器  27-30
    3.3.2 CUDA通用计算架构  30-32
    3.3.3 GPU的并行设计理论基础  32-38
第4章基于GPU的并行SVM算法设计  38-47
  4.1 并行SVM算法分析  38-40
    4.1.1 串行SVM训练算法  38-40
    4.1.2 并行化分析  40
  4.2 并行SVM算法分析  40-47
    4.2.1 GSVM训练算法设计  40-43
    4.2.2 GSVM分类算法设计  43-44
    4.2.3 SPRG并行算法  44-47
第5章实验与分析  47-56
  5.1 实验环境  47
  5.2 实验  47-56
    5.2.1 实验  47-51
    5.2.2 实验  51-56
笫6章总结与展望  56-58
  6.1 本文研究内容展望  56
  6.2 研究工作展望  56-58
参考文献  58-63
致谢  63

快速智能入侵检测技术研究

内容摘要

全文目录

相似论文