基于多分類器集成的入侵檢測研究.pdf

1、最近幾年,隨著網(wǎng)絡(luò)技術(shù)的不斷進(jìn)步,計(jì)算機(jī)系統(tǒng)遭受的攻擊越來越多,網(wǎng)絡(luò)安全問題變得越來越嚴(yán)重,直接影響國家和個(gè)人的利益。入侵檢測作為一種新型的網(wǎng)絡(luò)安全技術(shù),能夠在網(wǎng)絡(luò)關(guān)節(jié)點(diǎn)中發(fā)現(xiàn)查找分析信息,檢測出多種類型的攻擊,彌補(bǔ)了傳統(tǒng)安全技術(shù)的不足,是網(wǎng)絡(luò)安全結(jié)構(gòu)中重要的一環(huán)。但現(xiàn)有的檢測方法在檢測精度上還是不太好,主要表現(xiàn)在:入侵檢測的精度不高、誤報(bào)率高等問題,這嚴(yán)重影響了網(wǎng)路的正常使用,所以,怎樣有效阻止入侵的發(fā)生,成為現(xiàn)在的焦點(diǎn)問題。

2、　　 為了提高入侵檢測的性能,本文把多分類器集成思想引入到入侵檢測之中。主要圍繞多分類器集成及其在入侵檢測中的應(yīng)用展開研究。主要工作包括以下幾個(gè)方面:
　　 (1)異構(gòu)分類器集成:這種方法由隨機(jī)森林,支持向量機(jī),聚類,貝葉斯四種分類器組成異構(gòu)分類器,綜合了這些分類器的優(yōu)點(diǎn)。首先每個(gè)分類器單獨(dú)地做出決策,得到每一個(gè)類的誤報(bào)率,然后計(jì)算每一個(gè)輸出的權(quán)值,使得誤報(bào)率越小,權(quán)值越大,最后對每個(gè)類別計(jì)算加權(quán)和。使用加權(quán)投票方法統(tǒng)計(jì)每個(gè)連

3、接屬于每一類的票數(shù),看哪一類票數(shù)最大,就判別為哪一類。
　　 (2)基于遺傳算法的分類選擇性集成方法:遺傳算法過早的收斂主要是因?yàn)榻徊婧妥儺愃阕痈怕嗜≈挡划?dāng),該方法針對這個(gè)問題,經(jīng)過遺傳交叉變異后,先不直接判斷比較子孫,而是用禁忌算法搜索局部最優(yōu)解后,再搜索大部分未知區(qū)域,得到一組解,與父代比較,再判斷哪個(gè)解最好。使用Bagging算法產(chǎn)生一系列分類器,用該方法對分類器進(jìn)行選擇,能夠使得整體的集成效果更好。
　　 實(shí)驗(yàn)結(jié)