首页> 中文学位 >基于聚类和支持向量机的入侵检测方法研究
【6h】

基于聚类和支持向量机的入侵检测方法研究

代理获取

目录

声明

插图索引

附表索引

第1章 绪 论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 论文主要的研究内容

1.4 论文的组织结构

第2章 入侵检测概述

2.1 入侵检测

2.2 入侵检测的发展方向

2.3 本章小结

第3章 基于聚类的入侵检测方法研究

3.1 聚类概述

3.2 聚类算法的分类

3.3 K-means聚类算法

3.4 改进的K-means聚类算法

3.5 基于改进的K-means入侵检测方法工作步骤

3.6 本章小结

第4章 基于支持向量机的入侵检测方法研究

4.1 支持向量机算法

4.2 一分类支持向量机算法

4.3 二分类支持向量机算法

4.4 改进的二分类支持向量机算法

4.5 多级支持向量机模型

4.6 基于改进的K-means与多级SVM相结合的入侵检测方法

4.7 本章小结

第5章 实验与分析

5.1 实验环境

5.2 实验数据集介绍

5.3 实验数据选取及预处理

5.4 实验结果及分析

5.5 本章小结

总结与展望

论文研究工作总结

展望

参考文献

致谢

附录A 攻读学位期间所发表的学术论文目录

展开▼

摘要

随着计算机技术与互联网技术的快速发展,使得它对于我们的生活产生了极大的影响。由此,我们对计算机网络的依赖变得愈加强烈,然而有关网络安全的问题一直是全社会关注的焦点。现阶段发展比较成熟的网络安全保护技术主要有:防火墙、安全路由以及数据加密等相关技术,但是这些技术都属于静态的网络安全保护方法,很难满足当前人们对网络安全性能的需求。入侵检测作为网络安全防御的一种新的技术手段,它最大的特点就是具有主动防御的功能,能够对防火墙等传统的网络安全保护技术起到辅助作用,以增强网络系统的安全性,因此入侵检测技术已成为网络安全领域研究的重点。为了能够及时有效的发现入侵行为,有关入侵检测的产品正向智能化、分布式的方向发展。 本文针对传统的入侵检测方法存在检测效率低、误报率高,且无法有效判别攻击的类型等问题,将聚类算法和支持向量机算法应用于入侵检测当中,以提高入侵检测系统的检测性能。本文研究的主要内容有: (1)为了提高入侵检测效率并降低误报率,本文将聚类算法应用于入侵检测。首先对聚类算法进行了概述,其次重点介绍了基于划分的K-means聚类算法,针对该算法存在对聚类中心点的敏感问题对算法进行了相应的改进,由此提出了基于改进的K-means入侵检测方法。 (2)由于在很多入侵检测方法中仅仅是发现攻击行为,没有对攻击的类型做出有效判别,由此本文将支持向量机算法引入入侵检测当中。首先对支持向量机算法进行了概述,其次主要对二分类支持向量机算法进行了深入分析。由于在现实网络环境中,网络数据存在不均衡性,即正常数据的数量远多于异常数据的数量,由此对二分类支持向量机算法做了相应改进,考虑到存在的四种攻击类型和一种正常数据类,利用改进的二分类支持向量机构建多级支持向量机模型,以判别攻击的类型。同时将改进的K-means与多级支持向量机相结合形成一种新的入侵检测方法。 (3)本文利用入侵检测中常规的实验数据集KDD CUP99对提出的入侵检测方法进行仿真实验,实验结果表明,本文提出的入侵检测方法在检测率和误报率方面都有一定的改善,是一种有效的网络安全保护方法。

著录项

  • 作者

    张晓峰;

  • 作者单位

    兰州理工大学;

  • 授予单位 兰州理工大学;
  • 学科 通信与信息系统
  • 授予学位 硕士
  • 导师姓名 郝晓弘;
  • 年度 2018
  • 页码
  • 总页数
  • 原文格式 PDF
  • 正文语种 中文
  • 中图分类
  • 关键词

    聚类; 支持向量机; 入侵检测;

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号