基于混沌時(shí)間序列和SVM的入侵檢測(cè)系統(tǒng)研究.pdf

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)