發(fā)布時(shí)間：2023-10-11 21:58

　　隨著網(wǎng)絡(luò)技術(shù)的迅速發(fā)展,互聯(lián)網(wǎng)極大的促進(jìn)了社會(huì)發(fā)展,其應(yīng)用越來越廣泛,但是網(wǎng)絡(luò)安全性的問題也日益突出,網(wǎng)頁掛馬、黑客等入侵行為層出不窮,甚至已經(jīng)在國家層面對(duì)我國安全構(gòu)成了巨大威脅,因此十分有必要對(duì)網(wǎng)絡(luò)安全技術(shù)進(jìn)行研究。入侵檢測技術(shù)通過分析計(jì)算機(jī)系統(tǒng)及網(wǎng)絡(luò)上的關(guān)鍵信息,能夠有效地發(fā)現(xiàn)入侵行為,從而在攻擊行為對(duì)網(wǎng)絡(luò)系統(tǒng)造成損害之前進(jìn)行攔截與響應(yīng)。隨著互聯(lián)網(wǎng)的迅速發(fā)展,網(wǎng)絡(luò)規(guī)模越來越大,網(wǎng)絡(luò)數(shù)據(jù)的高維特征也越來越明顯,這類數(shù)據(jù)容易導(dǎo)致分類器的學(xué)習(xí)性能降低。在入侵檢測的各類方法中,支持向量機(jī)檢測速度快,檢測精度高且具有良好的泛化能力,因此本文使用支持向量機(jī)來建立入侵檢測模型。多元宇宙優(yōu)化算法這一群智能算法,其具有所需參數(shù)少,在較短時(shí)間內(nèi)找到近似最優(yōu)可行解的特點(diǎn),但其易陷入局部最優(yōu)。針對(duì)這一缺點(diǎn),本文通過將其與混沌理論相結(jié)合,提出了混沌多元宇宙優(yōu)化算法。通過設(shè)計(jì)更好的初始宇宙來提高宇宙質(zhì)量,使其不易陷入局部最優(yōu),并在當(dāng)其陷入局部最優(yōu)時(shí)通過混沌擾動(dòng)來使其跳出局部最優(yōu);之后將其應(yīng)用到支持向量機(jī)的入侵檢測模型中,針對(duì)網(wǎng)絡(luò)數(shù)據(jù)的高維特征,使用該算法對(duì)數(shù)據(jù)進(jìn)行特征選擇,去掉冗余特征;為了在進(jìn)行特征選擇的同...

【文章頁數(shù)】：63 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景
    1.2 研究意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 入侵檢測研究現(xiàn)狀
        1.3.2 支持向量機(jī)研究現(xiàn)狀
    1.4 研究內(nèi)容和目標(biāo)
    1.5 論文組織架構(gòu)
2 基礎(chǔ)理論概述
    2.1 入侵檢測
        2.1.1 入侵檢測概述
        2.1.2 入侵檢測分類
    2.2 支持向量機(jī)
        2.2.1 支持向量機(jī)概述
        2.2.2 支持向量機(jī)的基本原理
        2.2.3 支持向量機(jī)核函數(shù)參數(shù)
        2.2.4 支持向量機(jī)參數(shù)的評(píng)價(jià)
    2.3 特征分析技術(shù)
        2.3.1 特征選擇
        2.3.2 特征選擇的分類
        2.3.3 特征選擇的常用方法
    2.4 多元宇宙優(yōu)化算法
        2.4.1 多元宇宙優(yōu)化算法研究現(xiàn)狀
        2.4.2 多元宇宙優(yōu)化算法簡介
        2.4.3 多元宇宙優(yōu)化算法的特點(diǎn)
    2.5 本章小結(jié)
3 多元宇宙優(yōu)化算法的改進(jìn)
    3.1 混沌理論
    3.2 混沌多元宇宙優(yōu)化算法
        3.2.1 初始宇宙的設(shè)計(jì)
        3.2.2 跳出算法局部最優(yōu)的改進(jìn)
        3.2.3 混沌多元宇宙優(yōu)化算法的設(shè)計(jì)
        3.2.4 對(duì)混沌多元宇宙優(yōu)化算法的評(píng)價(jià)
    3.3 本章小結(jié)
4 基于CMVO-SVM的入侵檢測模型
    4.1 入侵檢測通用架構(gòu)
    4.2 基于SVM入侵檢測方法的可行性
    4.3 UNSW-NB15數(shù)據(jù)集
        4.3.1 當(dāng)前網(wǎng)絡(luò)入侵檢測數(shù)據(jù)集的比較
        4.3.2 UNSW-NB15數(shù)據(jù)集的介紹
    4.4 數(shù)據(jù)預(yù)處理
        4.4.1 數(shù)據(jù)的整理與屬性值的替換
        4.4.2 數(shù)據(jù)歸一化
    4.5 基于CMVO分類模型的設(shè)計(jì)和實(shí)現(xiàn)
        4.5.1 基于CMVO-SVM的入侵檢測模塊的整體設(shè)計(jì)
        4.5.2 CMVO-SVM的特征選取和參數(shù)優(yōu)化的具體實(shí)現(xiàn)
    4.6 本章小結(jié)
5 實(shí)驗(yàn)測試與分析
    5.1 模型性能評(píng)價(jià)標(biāo)準(zhǔn)
    5.2 實(shí)驗(yàn)結(jié)果分析
        5.2.1 測試環(huán)境
        5.2.2 實(shí)驗(yàn)結(jié)果及分析
    5.3 本章小結(jié)
6 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 工作展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間的發(fā)表的學(xué)術(shù)論文目錄



本文編號(hào)：3852869