学位论文 > 优秀研究生学位论文题录展示

基于特征选择的入侵检测研究

作　者: 唐志煦
导　师: 王卫平
学　校: 中国科学技术大学
专　业: 管理科学与工程
关键词: 入侵检测特征选择粒子群算法最小二乘支持向量机
分类号: TP393.08
类　型: 硕士论文
年　份: 2011年
下　载: 73次
引　用: 1次
阅　读: 论文下载

内容摘要

互联网给人们带来便利的同时也带来了威胁,其爆炸式发展使得人们面临的网络威胁也越来越多,网络安全问题日益凸显。入侵检测作为一种主动性的动态安全防御手段,是传统安全技术的有力补充。但是,随着网络数据量的规模不断增大,信息过量使得入侵检测技术面临着巨大的挑战,如何有效降低入侵检测的计算消耗,提高检测性能就成了入侵检测技术所要面对的最直接的问题。特征选择技术是随着大规模机器学习发展起来的,它的目的就是从数据的原始特征集中找出最优子集。它能通过一系列的子集搜索、子集评估过程,找出最相关的特征,剔除冗余的特征,降低数据维度,提取最有用的信息,从而降低分类算法的计算复杂度,提高分类算法的效率。粒子群算法是一种基于群体智能的进化计算技术,它在动态寻优过程中具有收敛速度快、计算过程简单等特点。将它用在特征选择过程的子集搜索过程,能有效地缩短搜索过程,提高特征选择的效率。离散的二进制粒子群算法拥有和粒子群算法同样的优点,用在特征选择上时,它还不需要用户预先确定最优特征子集的大小。但粒子群算法也有一个缺点是它有可能陷入局部最优。本文通过仔细分析特征选择的过程和离散型二进制粒子群算法的优缺点,对二进制粒子群算法进行了相应改进,并在此基础上应用二进制粒子群算法和最小二乘支持向量机形成了一种特征选择方法,最后将其应用在入侵检测上,实验表明该方法能够提高入侵检测的效率。

全文目录

摘要  4-5
ABSTRACT  5-7
目录  7-10
第1章绪论  10-16
  1.1 研究背景  10-11
  1.2 入侵检测研究的发展和现状  11-12
  1.3 入侵检测系统的要求和存在的问题  12-13
    1.3.1 入侵检测系统的要求  12-13
    1.3.2 入侵检测系统存在的问题  13
  1.4 本文所做工作与结构安排  13-16
第2章入侵检测综述  16-26
  2.1 入侵检测概要  16-17
    2.1.1 入侵检测相关概念  16
    2.1.2 入侵检测系统结构  16-17
  2.2 入侵检测系统分类  17-20
    2.2.1 根据数据源的分类  18-19
    2.2.2 根据检测方式的分类  19
    2.2.3 根据系统架构的分类  19
    2.2.4 根据时效方面的分类  19
    2.2.5 根据响应方式的分类  19-20
  2.3 入侵检测技术  20-26
    2.3.1 误用检测技术  20-22
    2.3.2 异常检测技术  22-26
第3章特征选择技术在入侵检测中的应用研究  26-36
  3.1 特征选择概述  26-29
    3.1.1 特征选择的定义  26
    3.1.2 特征选择方法的一般流程  26-29
  3.2 特征选择分类  29-31
  3.3 特征选择在入侵检测中的应用  31-36
    3.3.1 特征的相关性与冗余性  31-32
    3.3.2 一种入侵检测中常用的一般性特征选择模型  32-36
第4章基于粒子群算法和最小二乘支持向量机的特征选择方法  36-48
  4.1 粒子群算法（Particle Swarm Optimization，PSO）  36-39
    4.1.1 粒子群算法的基本概念  36
    4.1.2 基本粒子群算法的数学描述  36-37
    4.1.3 离散的二进制粒子群算法  37
    4.1.4 改进的离散二进制粒子群算法  37-39
  4.2 支持向量机（Support Vector Machine）  39-43
    4.2.1 支持向量机的基本思想  39
    4.2.2 支持向量机的关键技术  39-40
    4.2.3 基本的支持向量机模型  40-42
    4.2.4 最小二乘支持向量机（Least squares support vector machine)模型  42-43
  4.3 基于改进二进制粒子群算法和最小二乘支持向量机的特征选择方法  43-45
    4.3.1 粒子编码  44
    4.3.2 适应度函数选择  44
    4.3.3 粒子的运动轨迹和相应参数  44-45
  4.4 特征选择过程  45-48
第5章 IBPSO-LSSVM 特征选择方法在入侵检测中的应用  48-54
  5.1 IBPSO-LSSVM 入侵检测模型  48
  5.2 仿真实验  48-54
    5.2.1 数据集介绍  48-50
    5.2.2 实验方案  50-51
    5.2.3 性能量化  51
    5.2.4 实验结果  51-54
第6章总结与展望  54-56
  6.1 总结  54
  6.2 展望  54-56
参考文献  56-60
致谢  60

基于特征选择的入侵检测研究

内容摘要

全文目录

相似论文