版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、針對(duì)目前愈加頻繁出現(xiàn)的分布式、多目標(biāo)、多階段的組合式網(wǎng)絡(luò)攻擊事件,以及下一代互聯(lián)網(wǎng)可能會(huì)出現(xiàn)的未知安全問(wèn)題,提高入侵檢測(cè)系統(tǒng)的檢出效率和智能化勢(shì)在必行。
本文系統(tǒng)研究了混沌時(shí)間序列分析的基本理論和一般方法,提出了應(yīng)用混沌時(shí)間序列分析方法來(lái)進(jìn)行報(bào)警信息混沌時(shí)間序列預(yù)測(cè),把混沌技術(shù)成功地應(yīng)用到入侵檢測(cè)系統(tǒng),實(shí)現(xiàn)了對(duì)特征庫(kù)中各特征量根據(jù)報(bào)警信息時(shí)間序列的預(yù)測(cè)進(jìn)行優(yōu)化和更新,不僅提高了入侵檢測(cè)系統(tǒng)對(duì)已有特征量對(duì)應(yīng)攻擊的識(shí)別效率,還
2、可以通過(guò)預(yù)測(cè)新的特征量來(lái)識(shí)別同一種攻擊方法的許多變種以及全新攻擊包。
本文深入研究了支持向量機(jī)理論及其應(yīng)用,提出了一個(gè)支持向量機(jī)分類(lèi)器,實(shí)現(xiàn)了支持向量機(jī)的兩類(lèi)分類(lèi)和多類(lèi)分類(lèi),并將該分類(lèi)器用于入侵檢測(cè),建立了基于支持向量機(jī)的入侵檢測(cè)模型。結(jié)合網(wǎng)絡(luò)流量異常檢測(cè)的特點(diǎn),討論了異常檢測(cè)的特征選擇問(wèn)題,提出了網(wǎng)絡(luò)流量的對(duì)稱(chēng)性、協(xié)議分布、異常報(bào)文統(tǒng)計(jì)以及包長(zhǎng)度統(tǒng)計(jì)變量等具有代表性的特征參數(shù);描述了數(shù)據(jù)的預(yù)處理方法。實(shí)驗(yàn)結(jié)果表明,基于支
3、持向量機(jī)的網(wǎng)絡(luò)異常檢測(cè)方法不僅可以有效地檢測(cè)各種高強(qiáng)度的掃描行為,同時(shí)誤報(bào)警率較低。
本文詳細(xì)研究了特征分析理論,提出了一種新的基于自適應(yīng)特征加權(quán)的特征選擇方法,并將其用于入侵特征的提取,將屬性選擇技術(shù)和SVM分類(lèi)有機(jī)地結(jié)合,有效地降低了算法的時(shí)間復(fù)雜度和空間復(fù)雜度,改變了以往參數(shù)試值的局面。實(shí)驗(yàn)結(jié)果表明,分類(lèi)精度有了明顯提高,同時(shí),訓(xùn)練時(shí)間明顯改善,測(cè)試時(shí)間也有效減少,使模型具有迅速響應(yīng)的能力,有效提高了入侵檢測(cè)系統(tǒng)的準(zhǔn)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于SVM的入侵檢測(cè)系統(tǒng)研究.pdf
- 基于混沌時(shí)間序列預(yù)測(cè)的主動(dòng)型入侵防御系統(tǒng)研究
- 基于混沌時(shí)間序列預(yù)測(cè)的主動(dòng)型入侵防御系統(tǒng)研究.pdf
- 基于SVM的混沌時(shí)間序列預(yù)測(cè)方法研究.pdf
- 基于協(xié)議分析和SVM多分類(lèi)的入侵檢測(cè)系統(tǒng)研究.pdf
- 基于SVM和混沌時(shí)間序列的干散貨運(yùn)價(jià)指數(shù)預(yù)測(cè)研究.pdf
- 基于時(shí)間序列的入侵檢測(cè)模型研究.pdf
- 基于SVM和無(wú)指導(dǎo)學(xué)習(xí)的入侵檢測(cè)研究.pdf
- 基于信息?;腟VM混沌時(shí)間序列預(yù)測(cè)算法及應(yīng)用.pdf
- 生料漿配料過(guò)程返料成分的時(shí)間序列混沌分析和SVM預(yù)測(cè)研究.pdf
- 基于混沌的擴(kuò)頻序列通信系統(tǒng)研究.pdf
- 基于半監(jiān)督SVM的入侵檢測(cè)研究.pdf
- 基于SVM的增量入侵檢測(cè)方法研究.pdf
- 基于SVM的入侵檢測(cè)性能改進(jìn)研究.pdf
- 基于NDIS的入侵檢測(cè)系統(tǒng)研究.pdf
- 基于SNOR的入侵檢測(cè)系統(tǒng)研究.pdf
- 基于SVM的半監(jiān)督網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng).pdf
- 基于主機(jī)的入侵檢測(cè)系統(tǒng)研究.pdf
- 基于圖表的入侵檢測(cè)系統(tǒng)研究.pdf
- 基于時(shí)間序列的SVM滑坡預(yù)測(cè)和模糊PID控制研究.pdf
評(píng)論
0/150
提交評(píng)論