机器学习方法在入侵检测中的应用研究资源-CSDN文库

版权申诉

153 浏览量 2022-04-27 14:00:49 上传评论 1 收藏 3.1MB PDF 举报

资源推荐

资源详情

资源评论

摘要

机器学习方法在入侵检测中的应用研究

网络的出现及广泛应用，给人们的生活和工作带来了便捷，但同时也带来了

很多安全问题，各种类型的病毒、漏洞、攻击都造成了巨大的损失。如何保护信

息不被攻击和泄露，维护其完整性、可用性和保密性，是当前研究的关注重点。

面对网络安全的现状，目前主要采取访问控制、数据加密、身份认证、防火墙、

和入侵检测技术等措施，保障网络和信息系统的安全。入侵检测技术通过收集操

作系统、系统程序、应用程序、以及网络流量包等信息，发现被监控系统或网络

中违背安全策略，或危及系统安全的行为，是保障系统和网络安全的有效手段。

机器学习方法用计算机模拟人类的学习活动，研究如何通过计算机学习现有

的知识，发现新的知识，并通过不断完善，提升学习的效果。机器学习中包含大

量的数据预处理和分类方法，与统计学、人工智能、信息论等学科有关联。其基

本过程是通过从已有的经验中学习并构建学习机，进一步对未知的数据进行分类

或预测。

本文将机器学习的部分典型方法和算法应用于入侵检测中，探索其中的相关

数据处理方法在入侵检测中应用的有效性和可行性。本文的研究在一个基于机器

学习的入侵检测系统（

Intrusion Detection System, IDS

）框架下，主要研究三个方

面的问题，并实现相应的解决方案。首先，入侵检测中通常面临安全数据的高维

度问题，采用特征选择方法降低特征维度；其次，入侵检测技术的关键问题是如

何提高检测的效果，提出一种粒子群优化人工神经网络的算法，用以提高检测准

确率；第三，入侵检测系统面临着结果警报中误报高的问题，提出采用聚类分析

实现误报消除的方法。具体内容包括如下四个方面：

（

）一个入侵检测系统框架。参考已有的网络安全模型和入侵检测模型，针对

实际应用中的需求，提出一种基于机器学习的入侵检测系统框架。框架满足提出

的三个条件：事件处理流程的完整性，通用性，以及灵活性。

（

）两类特征选择方法。采用四种典型的过滤式特征选择方法，按照特征的重

要性进行排序，给出安全数据的特征序列。进一步引入

近邻（

K-Nearest Neighbor,

KNN

）算法与支持向量机（

Support Vector Machine, SVM

）算法作为分类器，构

建包裹式特征选择方法，按照分类器的效果选择特征子集。所选择的特征子集作

第 1 章绪论.............................................................................................1

1.1 研究背景......................................................................................1

1.2

入侵检测

......................................................................................4

1.2.1

入侵检测概述

.....................................................................4

1.2.2 入侵检测研究现状.............................................................7

1.3 入侵检测数据集和评价指标..................................................... 9

1.3.1 KDD CUP 99 数据集.........................................................9

1.3.2 DARPA 2000 数据集........................................................10

1.3.3

入侵检测评价指标

...........................................................11

1.4

本文研究内容和意义

................................................................12

1.5

文章结构

....................................................................................13

第

章基于机器学习的入侵检测系统框架

...................................... 15

2.1 机器学习概述............................................................................15

2.1.1 基本概念...........................................................................15

2.1.2 研究现状...........................................................................16

2.1.3 分类和典型算法...............................................................17

2.2 基于机器学习的入侵检测框架............................................... 20

2.2.1 经典网络安全模型.......................................................... 20

2.2.2 基于机器学习的入侵检测系统框架.............................. 23

2.3 本章小结....................................................................................25

第

章基于特征选择的入侵数据降维方法

...................................... 27

吉林大学博士学位论文

3.1

特征选择

....................................................................................27

3.1.1 特征选择概述...................................................................27

3.1.2 研究现状...........................................................................28

3.1.3

特征选择方法的分类

...................................................... 29

3.2

过滤式特征选择算法

................................................................31

3.2.1 Fisher 特征选择................................................................31

3.2.2 ReliefF 特征选择..............................................................33

3.2.3 mRMR 特征选择..............................................................34

3.2.4 InfoGain 特征选择...........................................................35

3.2.5

实验分析

...........................................................................37

3.3

包裹式特征选择算法

................................................................39

3.3.1

包裹式特征选择设计

...................................................... 39

3.3.2

分类算法

...........................................................................40

3.3.3 实验分析...........................................................................43

3.4 本章小结....................................................................................46

第 4 章基于人工神经网络的入侵检测算法...................................... 49

4.1 人工神经网络............................................................................49

4.1.1 人工神经网络概述.......................................................... 49

4.1.2 研究现状...........................................................................50

4.1.3 典型算法...........................................................................51

4.2 基于 PSO 优化的 RBF 神经网络算法.................................... 56

4.2.1 PSO

算法

..........................................................................56

III

4.2.2 PSO-RBF

算法

.................................................................57

4.2.3 算法描述...........................................................................58

4.3 实验分析....................................................................................59

4.4

本章小结

....................................................................................65

第

章基于聚类的入侵检测误报消除方法

...................................... 67

5.1 聚类分析....................................................................................67

5.1.1 聚类分析概述...................................................................67

5.1.2 研究现状...........................................................................68

5.1.3 典型的聚类算法...............................................................69

5.2

入侵检测中的误报

....................................................................71

5.3

基于聚类的误报消除

................................................................72

5.4

实验分析

....................................................................................74

5.4.1

评价指标

...........................................................................74

5.4.2 实验结果分析...................................................................75

5.5 本章小结....................................................................................76

第 6 章结论与展望...............................................................................79

6.1 结论............................................................................................79

6.2 展望............................................................................................80

参考文献...................................................................................................83

攻读博士学位期间取得的科研成果...................................................... 99

致谢.................................................................................................101

剩余98页未读，继续阅读

评论收藏

内容反馈

版权申诉

「已注销」

粉丝: 792
资源: 3613

机器学习方法在入侵检测中的应用研究

基于机器学习的入侵检测技术研究

基于机器学习的网络入侵检测研究

基于机器学习的Web入侵检测模型应用分析

机器学习方法在入侵检测中的应用研究.pdf

机器学习在入侵检测中的应用综述.pdf

基于机器学习的入侵检测研究

机器学习算法在入侵检测中的应用研究.pdf

基于机器学习的入侵检测方法研究.pdf

基于机器学习的入侵检测研究.pdf

机器学习算法在网络入侵检测中的应用综述.pdf

机器学习理论在入侵检测技术中的应用研究.pdf

机器学习在网络安全入侵检测中的应用.pdf

机器学习在网络入侵检测中的应用.pdf

基于机器学习的入侵检测研究 (1).pdf

机器学习在入侵检测中的应用.pdf

机器学习在网络入侵检测中的应用 (1).pdf

新的基于机器学习的入侵检测方法.pdf

对抗机器学习在网络入侵检测领域的应用.docx

基于机器学习的入侵检测技术研究与应用.pdf

在网络入侵检测中应用机器学习的相关探讨.pdf

数据挖掘在入侵检测中的应用.ppt

「勒索软件」基于机器学习的Web入侵检测模型应用分析 - 端点安全.zip

基于核学习的改进入侵检测方法

SVM_kddcup_SVM入侵检测_入侵检测_基于机器学习的入侵检测

基于免疫的入侵检测方法研究

机器学习算法在校园网入侵检测系统中的应用.pdf

最新资源