網(wǎng)絡(luò)入侵檢測中機(jī)器學(xué)習(xí)方法的應(yīng)用研究.pdf

1、隨著各行各業(yè)所面臨的網(wǎng)絡(luò)安全問題越來越復(fù)雜，對入侵檢測的研究雖已延續(xù)多年，但如今仍然是網(wǎng)絡(luò)安全領(lǐng)域中最具有活力的研究方向之一。本文以國家重點(diǎn)項(xiàng)目為依托，針對基于機(jī)器學(xué)習(xí)方法的網(wǎng)絡(luò)入侵檢測或網(wǎng)絡(luò)異常檢測技術(shù)進(jìn)行了全面，深入地理論分析，并針對入侵檢測技術(shù)領(lǐng)域中資源消耗大這一關(guān)鍵問題，創(chuàng)新地提出了一種基于特征壓縮和分支剪裁的直推式網(wǎng)絡(luò)異常檢測方法，所有的理論方法均在世界著名的KDD CUP99公用數(shù)據(jù)集進(jìn)行了充分的實(shí)驗(yàn)和對比分析，從而使實(shí)驗(yàn)結(jié)

2、果更具有可比性，為實(shí)際的入侵檢測系統(tǒng)提供了有利的理論依據(jù)。本文的研究工作的主要內(nèi)容有： 一、研究了基于BP、SOM、C—SVM和近鄰法的網(wǎng)絡(luò)入侵檢測方法和基于SOM、OC—SVM的網(wǎng)絡(luò)異常檢測方法，并進(jìn)行了仿真實(shí)驗(yàn)。仿真結(jié)果表明，基于BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)入侵檢測方法具有較高的檢測率，而基于C—SVM的網(wǎng)絡(luò)入侵檢測方法具有較低的誤報(bào)率；相對于基于OC—SVM的網(wǎng)絡(luò)異常檢測方法來說，基于SOM神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)異常檢測方法具有較好的檢測效

3、果。近鄰法中，壓縮近鄰法是五種近鄰法中最具有優(yōu)良特性的算法，該方法既減少了訓(xùn)練集中的樣本數(shù)量，又提高了算法運(yùn)行效率。仿真實(shí)驗(yàn)表明，壓縮近鄰法是一種能夠在保持檢測效率的同時(shí)大幅度刪減訓(xùn)練樣本的有效方法。 二、首次提出了基于特征壓縮和分支剪裁的直推式網(wǎng)絡(luò)異常檢測方法，該方法旨在降低算法所需大量系統(tǒng)資源這一在入侵檢測技術(shù)的關(guān)鍵問題。本文通過引入特征壓縮和分支限界樹剪裁技術(shù)，一方面降低了訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)的特征維數(shù)，同時(shí)降低了歐氏距離計(jì)