計(jì)算智能分類方法及其在入侵檢測(cè)中的應(yīng)用研究.pdf

1、分類,顧名思義是將無(wú)規(guī)律的事物分為有規(guī)律,它是當(dāng)今信息處理、數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)等諸多領(lǐng)域中的一項(xiàng)重要任務(wù)。隨著信息技術(shù)的迅猛發(fā)展以及信息量呈指數(shù)形式增長(zhǎng),常用的分類方法凸顯出不足,而智能分類法得到廣泛應(yīng)用和重視,特別是計(jì)算智能分類方法的研究具有重要的理論意義和應(yīng)用價(jià)值。
　　入侵檢測(cè)是對(duì)入侵行為的檢測(cè),主要區(qū)分正常網(wǎng)絡(luò)行為和異常入侵行為及其類型,在實(shí)際檢測(cè)中是一個(gè)多分類問(wèn)題,而采用計(jì)算智能分類法無(wú)疑能夠大大提高入侵檢測(cè)的效果。為此

2、,本論文針對(duì)計(jì)算智能分類方法及其在入侵檢測(cè)中的應(yīng)用進(jìn)行研究,其主要工作或創(chuàng)新如下:
　　(1)為了解決粒子群(PSO)算法存在過(guò)早收斂、陷入局部極小等問(wèn)題,研究了基于云模型的粒子群(CPSO)算法,主要采用云模型動(dòng)態(tài)確定慣性權(quán)重,可以取得較快的優(yōu)化速度且能避免陷入局部極小,經(jīng)經(jīng)典優(yōu)化函數(shù)測(cè)試,結(jié)果表明CPSO算法優(yōu)于PSO算法和蟻群(ACO)算法。進(jìn)而研究了基于CPSO的神經(jīng)網(wǎng)絡(luò)分類方法,可以克服神經(jīng)網(wǎng)絡(luò)分類精度較低的缺點(diǎn)。仿真實(shí)

3、驗(yàn)表明其分類方法在分類精度上得到較大提高。
　　(2)基于統(tǒng)計(jì)學(xué)習(xí)理論的支持向量機(jī)(SVM)在分類上具有獨(dú)特的優(yōu)勢(shì),為了解決支持向量機(jī)(SVM)模型中懲罰參數(shù)和核參數(shù)憑經(jīng)驗(yàn)選取或試驗(yàn)法的選取問(wèn)題,運(yùn)用云模型能提高優(yōu)化策略、加快收斂速度等優(yōu)點(diǎn),研究基于云PSO的SVM分類方法(CPSO-SVM),即采用云PSO算法優(yōu)化SVM模型及其參數(shù)。實(shí)驗(yàn)表明CPSO-SVM分類方法在入侵檢測(cè)中,其檢測(cè)精度高于經(jīng)典SVM和基于PSO的SVM方法(

4、PSO-SVM)。
　　(3)基于稀疏貝葉斯框架下的相關(guān)向量機(jī)(RVM)具有計(jì)算量少、分類精度高等優(yōu)點(diǎn),但也存在模型參數(shù)的優(yōu)化問(wèn)題。為此,研究了基于云PSO的RVM分類方法(CPSO-RVM),即采用云PSO算法優(yōu)化RVM模型及其核函數(shù)寬度參數(shù)。通過(guò)典型實(shí)驗(yàn)和KDDCup99數(shù)據(jù)庫(kù)入侵檢測(cè)資料的多分類問(wèn)題的實(shí)際檢測(cè),結(jié)果表明:與PSO-RVM、PSO-SVM和CPSO-SVM等多種分類方法相比,CPSO-RVM分類方法的檢測(cè)精度最