入侵檢測是網(wǎng)絡(luò)安全研究的熱點領(lǐng)域,它是防范主機和網(wǎng)絡(luò)攻擊的一種有效措施。它的使用彌補了傳統(tǒng)防火墻技術(shù)、簽名認證技術(shù)和訪問控制技術(shù)在安全防護上的不足。傳統(tǒng)的入侵檢測技術(shù)是通過人為構(gòu)造的規(guī)則庫來對數(shù)據(jù)進行甄別,其工作量繁雜而且檢測率也不高。機器學(xué)習(xí)的出現(xiàn)為入侵檢測提供了一種新的解決方案,入侵檢測問題可通過機器學(xué)習(xí)中的分類問題來解決,通過使用入侵檢測訓(xùn)練集來構(gòu)建專門的分類模型,然后利用這個分類模型對新來的數(shù)據(jù)進行判斷分類。但在入侵檢測模型的構(gòu)建中也存在著一些問題,入侵檢測的訓(xùn)練集中不同類別的數(shù)據(jù)樣本分布不平衡,以此建好的模型難以對少數(shù)類樣本進行準確的分類。另外,入侵檢測中數(shù)據(jù)的特征維度比較高,存在著冗余,影響模型分類的準確率和效率。所以針對這些問題,本文的主要研究內(nèi)容如下:(1)對入侵檢測基準數(shù)據(jù)集KDDcup99進行了去除冗余數(shù)據(jù)的處理,大幅減小了數(shù)據(jù)的規(guī)模,縮短了不同類別間樣本的數(shù)量差距。然后在此基礎(chǔ)上,對樣本中每個特征的取值做了詳細的統(tǒng)計分析,找出那些取固定值比例超過99.9%的特征,并對它們剩余的0.01%的取值在不同類別間的分布進行具體分析,找出影響度較小的那些特征,在模型構(gòu)建前剔...

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 入侵檢測簡介
        1.2.2 入侵檢測中基礎(chǔ)分類器的選用
        1.2.3 入侵檢測中特征的處理與研究
    1.3 主要研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
2 相關(guān)基礎(chǔ)工作與準備
    2.1 機器學(xué)習(xí)基礎(chǔ)分類算法
        2.1.1 K近鄰算法
        2.1.2 支持向量機
        2.1.3 決策樹
    2.2 入侵檢測數(shù)據(jù)集
        2.2.1 KDDcup99 數(shù)據(jù)集描述
        2.2.2 KDDcup99 數(shù)據(jù)集數(shù)據(jù)的統(tǒng)計分析
    2.3 數(shù)據(jù)集的預(yù)處理
        2.3.1 去除冗余數(shù)據(jù)
        2.3.2 數(shù)值特征轉(zhuǎn)換與歸一化
    2.4 本章實驗
        2.4.1 評價指標
        2.4.2 超參數(shù)的網(wǎng)格搜索
        2.4.3 去冗余與特征刪除前后實驗對比
    2.5 本章小結(jié)
3 基于互信息和螢火蟲算法的入侵檢測方法研究
    3.1 基于互信息的特征選擇
        3.1.1 互信息與熵
        3.1.2 最大化互信息進行特征選擇
    3.2 基于螢火蟲算法的特征選擇
        3.2.1 基礎(chǔ)螢火蟲算法
        3.2.2 改進的螢火蟲算法用于特征特征選擇
        3.2.3 特征選擇最終決策
    3.3 本章實驗
        3.3.1 不平衡數(shù)據(jù)的采樣
        3.3.2 實驗分析
    3.4 本章小結(jié)
4 基于集成學(xué)習(xí)的入侵檢測方法研究
    4.1 集成學(xué)習(xí)的相關(guān)構(gòu)成
        4.1.1 集成學(xué)習(xí)的多樣性
        4.1.2 集成學(xué)習(xí)的組合方式
        4.1.3 集成學(xué)習(xí)的結(jié)果整合策略
    4.2 基于集成方法解決數(shù)據(jù)不平衡問題
        4.2.1 基于Bagging的方法解決數(shù)據(jù)不平衡問題
        4.2.2 基于Stacking的方法解決數(shù)據(jù)不平衡問題
    4.3 本章實驗
    4.4 本章小結(jié)
5 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 未來工作方向
參考文獻
攻讀碩士學(xué)位期間發(fā)表論文及科研成果
致謝



本文編號：3924012