基于區(qū)域過濾的粒子群優(yōu)化算法在網(wǎng)絡(luò)入侵檢測中的研究.pdf

1、隨著計算機軟硬件技術(shù)的高速發(fā)展,基于互聯(lián)網(wǎng)的應(yīng)用越來越多,網(wǎng)絡(luò)安全也面臨更加嚴峻的考驗。互聯(lián)網(wǎng)安全事件頻發(fā),信息安全早已經(jīng)提升至國家戰(zhàn)略高度。依據(jù)信息安全等級保護三級標準中的網(wǎng)絡(luò)安全細則,三級網(wǎng)絡(luò)系統(tǒng)中需要部署入侵檢測系統(tǒng)。此外,入侵檢測技術(shù)長期以來受到商業(yè)界以及學(xué)術(shù)界的關(guān)注,產(chǎn)生了豐碩的研究成果,但是在入侵檢測上依然存在攻擊不能全覆蓋、誤報率高、模型訓(xùn)練時間長等問題。因此網(wǎng)絡(luò)入侵檢測系統(tǒng)依然值得深入研究。
　　針對入侵檢測系統(tǒng)中

2、誤報率高的問題,將入侵檢測問題當作分類問題處理。分析了支持向量機技術(shù)的相關(guān)理論,利用支持向量機的對樣本、核函數(shù)、特征維度等因素依賴性不強等優(yōu)點,將支持向量機技術(shù)用于入侵檢測。
　　針對支持向量機訓(xùn)練模型時間過長的問題提出了相應(yīng)的解決方案。
　　本文的創(chuàng)新之處在于:通過前期一系列的實驗得出了粒子分布不均對分類器效果影響的結(jié)論,在此基礎(chǔ)上提出了基于區(qū)域過濾的粒子群優(yōu)化算法,將基于區(qū)域過濾的粒子群優(yōu)化算法用于支持向量機的參數(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)練時間,針對提出的算法進行了時間復(fù)雜度分析,對算法中的區(qū)域分割的個數(shù)、尋優(yōu)步長等問題進行了研究并提出了相應(yīng)的解決方案。設(shè)計了新的入侵檢測模型,加入了Web攻擊識別模塊,讓識別出來的Web攻擊數(shù)據(jù)包不進入分類器,進一步減少外部因素的干擾、提高攻擊識別的效率。
　　選取 RBF核函數(shù)作為支持向量機的核函數(shù)并分析了影響支持向量機的兩個參數(shù)C和σ,運用粒子群優(yōu)化算法搜索全局最優(yōu)的C和σ,

4、通過實驗對比發(fā)現(xiàn)了粒子群優(yōu)化算法對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)庫系統(tǒng)中的索引問題,縮短了模型訓(xùn)練的時間長度。
　　針對數(shù)據(jù)包的特點,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)。對于現(xiàn)階段大多數(shù)入侵檢測系統(tǒng)缺乏 Web安全過濾功能,數(shù)據(jù)包吞吐能量不足的問題,讓已經(jīng)匹配的可疑 Web攻擊數(shù)據(jù)包,不進入支持向量機