版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著計(jì)算機(jī)軟硬件技術(shù)的高速發(fā)展,基于互聯(lián)網(wǎng)的應(yīng)用越來(lái)越多,網(wǎng)絡(luò)安全也面臨更加嚴(yán)峻的考驗(yàn)?;ヂ?lián)網(wǎng)安全事件頻發(fā),信息安全早已經(jīng)提升至國(guó)家戰(zhàn)略高度。依據(jù)信息安全等級(jí)保護(hù)三級(jí)標(biāo)準(zhǔn)中的網(wǎng)絡(luò)安全細(xì)則,三級(jí)網(wǎng)絡(luò)系統(tǒng)中需要部署入侵檢測(cè)系統(tǒng)。此外,入侵檢測(cè)技術(shù)長(zhǎng)期以來(lái)受到商業(yè)界以及學(xué)術(shù)界的關(guān)注,產(chǎn)生了豐碩的研究成果,但是在入侵檢測(cè)上依然存在攻擊不能全覆蓋、誤報(bào)率高、模型訓(xùn)練時(shí)間長(zhǎng)等問(wèn)題。因此網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)依然值得深入研究。
針對(duì)入侵檢測(cè)系統(tǒng)中
2、誤報(bào)率高的問(wèn)題,將入侵檢測(cè)問(wèn)題當(dāng)作分類問(wèn)題處理。分析了支持向量機(jī)技術(shù)的相關(guān)理論,利用支持向量機(jī)的對(duì)樣本、核函數(shù)、特征維度等因素依賴性不強(qiáng)等優(yōu)點(diǎn),將支持向量機(jī)技術(shù)用于入侵檢測(cè)。
針對(duì)支持向量機(jī)訓(xùn)練模型時(shí)間過(guò)長(zhǎng)的問(wèn)題提出了相應(yīng)的解決方案。
本文的創(chuàng)新之處在于:通過(guò)前期一系列的實(shí)驗(yàn)得出了粒子分布不均對(duì)分類器效果影響的結(jié)論,在此基礎(chǔ)上提出了基于區(qū)域過(guò)濾的粒子群優(yōu)化算法,將基于區(qū)域過(guò)濾的粒子群優(yōu)化算法用于支持向量機(jī)的參數(shù)尋優(yōu),
3、一方面提高訓(xùn)練模型的精確度;另一方面降低訓(xùn)練模型的訓(xùn)練時(shí)間,針對(duì)提出的算法進(jìn)行了時(shí)間復(fù)雜度分析,對(duì)算法中的區(qū)域分割的個(gè)數(shù)、尋優(yōu)步長(zhǎng)等問(wèn)題進(jìn)行了研究并提出了相應(yīng)的解決方案。設(shè)計(jì)了新的入侵檢測(cè)模型,加入了Web攻擊識(shí)別模塊,讓識(shí)別出來(lái)的Web攻擊數(shù)據(jù)包不進(jìn)入分類器,進(jìn)一步減少外部因素的干擾、提高攻擊識(shí)別的效率。
選取 RBF核函數(shù)作為支持向量機(jī)的核函數(shù)并分析了影響支持向量機(jī)的兩個(gè)參數(shù)C和σ,運(yùn)用粒子群優(yōu)化算法搜索全局最優(yōu)的C和σ,
4、通過(guò)實(shí)驗(yàn)對(duì)比發(fā)現(xiàn)了粒子群優(yōu)化算法對(duì)初始粒子分布的敏感性,初始粒子分布得越均勻,粒子尋優(yōu)就有可能越充分。提出了基于區(qū)域過(guò)濾技術(shù)的粒子群優(yōu)化算法,該算法思想源自于數(shù)據(jù)庫(kù)系統(tǒng)中的索引問(wèn)題,縮短了模型訓(xùn)練的時(shí)間長(zhǎng)度。
針對(duì)數(shù)據(jù)包的特點(diǎn),分析了IP數(shù)據(jù)包頭、TCP數(shù)據(jù)包頭、UDP數(shù)據(jù)包頭等常見的數(shù)據(jù)包結(jié)構(gòu)。對(duì)于現(xiàn)階段大多數(shù)入侵檢測(cè)系統(tǒng)缺乏 Web安全過(guò)濾功能,數(shù)據(jù)包吞吐能量不足的問(wèn)題,讓已經(jīng)匹配的可疑 Web攻擊數(shù)據(jù)包,不進(jìn)入支持向量機(jī)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 粒子群優(yōu)化算法及在網(wǎng)絡(luò)社區(qū)挖掘中的應(yīng)用.pdf
- 基于粒子群算法的入侵檢測(cè)技術(shù)研究.pdf
- 基于粒子群優(yōu)化的入侵檢測(cè)規(guī)則提取方法研究.pdf
- 基于粒子群優(yōu)化支持向量機(jī)的入侵檢測(cè)模型研究.pdf
- 基于多種群協(xié)同進(jìn)化粒子群優(yōu)化算法在入侵檢測(cè)中的應(yīng)用.pdf
- 基于粒子群算法的區(qū)域水資源優(yōu)化配置研究.pdf
- 基于粒子群優(yōu)化支持向量機(jī)的異常入侵檢測(cè)研究.pdf
- 基于文化粒子群算法的文本信息過(guò)濾研究.pdf
- 基于粒子群算法的Web文本信息過(guò)濾研究.pdf
- 基于改進(jìn)粒子群算法的復(fù)雜網(wǎng)絡(luò)社區(qū)檢測(cè)研究.pdf
- 粒子群優(yōu)化算法粒子群優(yōu)化算法簡(jiǎn)介
- 粒子群算法改進(jìn)及在網(wǎng)絡(luò)態(tài)勢(shì)預(yù)測(cè)的應(yīng)用.pdf
- 基于區(qū)域分解法和粒子群優(yōu)化算法的天線優(yōu)化研究.pdf
- 基于粒子群和模糊聚類算法的入侵檢測(cè)方法研究.pdf
- 基于混沌粒子群算法的網(wǎng)絡(luò)文本信息過(guò)濾技術(shù)研究.pdf
- 粒子群優(yōu)化算法粒子群優(yōu)化算法簡(jiǎn)介
- 改進(jìn)粒子群算法研究及其在網(wǎng)絡(luò)路由中的應(yīng)用.pdf
- 基于粒子群算法的輸變電施工網(wǎng)絡(luò)優(yōu)化研究.pdf
- 基于粒子群優(yōu)化算法的復(fù)雜網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn).pdf
- 基于粒子群優(yōu)化的空間調(diào)制信號(hào)檢測(cè)算法的研究.pdf
評(píng)論
0/150
提交評(píng)論