基于混合分類模型的入侵檢測技術(shù)研究.pdf

1、隨著計算機網(wǎng)絡(luò)的普及，網(wǎng)絡(luò)安全受到更多的關(guān)注，入侵檢測系統(tǒng)是一種主動防御系統(tǒng)，它為網(wǎng)絡(luò)安全提供了一道有力的防線。隨著攻擊方式的日趨多樣，越來越多的智能技術(shù)被引入入侵檢測系統(tǒng)，尤其是機器學(xué)習(xí)技術(shù)的發(fā)展，給入侵檢測方法的改進帶來了新的思路。半監(jiān)督學(xué)習(xí)是目前機器學(xué)習(xí)的研究熱點，但它在入侵檢測系統(tǒng)中的應(yīng)用研究還不廣泛。
　　本文對目前所采用的入侵檢測技術(shù)和半監(jiān)督學(xué)習(xí)中的各種方法進行了研究和分析，將半監(jiān)督分類技術(shù)應(yīng)用至入侵檢測系統(tǒng)中。論文首

2、先系統(tǒng)介紹了當前入侵檢測的研究現(xiàn)狀，總結(jié)了當前入侵檢測中存在的問題及局限，并展望了今后的發(fā)展趨勢。然后回顧了半監(jiān)督學(xué)習(xí)的背景和相關(guān)技術(shù)，詳細介紹了樸素貝葉斯、BP神經(jīng)網(wǎng)絡(luò)和支持向量機三種分類方法。鑒于當前的半監(jiān)督學(xué)習(xí)多以單分類器為主，而集成的多分類器又具有一些前者無法比擬的優(yōu)勢，本文總結(jié)了集成學(xué)習(xí)的理論基礎(chǔ)，提出一種基于半監(jiān)督分類的混合分類模型——NBS（NeuralNetwork+Bayes+SupportVectorMachine）