發(fā)布時間：2024-03-01 20:33

　　隨著互聯(lián)網(wǎng)的不斷發(fā)展以及計算機的普及,網(wǎng)絡安全問題層出不窮。異常檢測作為一種動態(tài)的網(wǎng)絡安全防御技術,能夠較好的彌補傳統(tǒng)保護機制的缺陷,越來越受到網(wǎng)絡入侵領域?qū)＜覍W者的關注。本文在鄭思維等人研究基礎上,以降低誤報率和計算開銷為主要目標,對TCM-RNE網(wǎng)絡異常檢測方法存在的訓練樣本集規(guī)模大、網(wǎng)絡數(shù)據(jù)特征維數(shù)過多導致異常度量不精確、誤報率高等問題進行了優(yōu)化,提出了相應優(yōu)化策略和改進算法。主要研究工作如下:1、基于粒子群優(yōu)化思想,研究提出了一種面向TCM-RNE的粒子群樣本規(guī)模優(yōu)化策略和相應算法。針對TCM-RNE算法正常訓練集規(guī)模過大的問題,利用粒子群優(yōu)化算法快速收斂的特點從正常訓練樣本集中選取少量高質(zhì)量的樣本建模。UCI數(shù)據(jù)集上對比實驗表明,粒子群樣本規(guī)模優(yōu)化策略能夠有效減少訓練樣本數(shù)量和算法的運行時間。2、研究提出了一種基于ReliefF和CFS的組合式樣本規(guī)模優(yōu)化策略和相應算法。針對TCM-RNE算法熵計算時出現(xiàn)的維數(shù)災難,結合過濾式特征選擇方法中的ReliefF算法和CFS算法,提出了一種組合式樣本規(guī)模優(yōu)化算法應用于精簡樣本特征空間。UCI數(shù)據(jù)集上對比實驗表明,組合式樣本規(guī)模優(yōu)化策...

【文章頁數(shù)】：78 頁

【學位級別】：碩士

【部分圖文】：

圖3.1二進制粒子群優(yōu)化算法流程圖

越小的值變異率越大。文獻[37-38]中給出了的二進制粒子群優(yōu)化算法的基本原理，算法流程如圖3.1所示。圖3.1二進制粒子群優(yōu)化算法流程圖Figure3.1Binaryparticleswarmoptimizationalgorithmflowchart

圖4.6樣本規(guī)模優(yōu)化算法冗余相關性去除比例Figure4.6Samplescaleoptimizationalgorithmredundancyandcorrelationcharacteristics

第4章面向TCM-RNE的組合式樣本規(guī)模優(yōu)化算法4.6.4.3冗余相關性對比ReliefF、CFS和ReCFS三種算法在各個數(shù)據(jù)集上的無關性特征和冗余特征去除比例如圖4.6所示，Average為三種算法的平均值。以Gas數(shù)據(jù)集為例，該數(shù)據(jù)集包含139....

圖5.2TCM-KNN4種攻擊類型檢測率和誤報率對比(20%)

第5章基于樣本規(guī)模優(yōu)化的TCM-RNE異常檢測算法和U2R攻擊下檢測率分別下降2.5%和1%。第二組測試集實驗結果如圖5.4和圖5.5所示。TCM-KNN和TCM-RNE算法在兩組測試集四種攻擊有不同幅度的偏差，異常數(shù)據(jù)所占測試集比例不同，各攻擊類....

圖5.3TCM-RNE4種攻擊類型檢測率和誤報率對比(20%)

驗中異常誤判個數(shù)也有所增加。實驗發(fā)現(xiàn)，樣本規(guī)模優(yōu)化后兩種算法的檢測率和誤報率均有不同程度的下降和上升，樣本規(guī)模優(yōu)化后選出的樣本雖然在總體上代表了整個樣本的特性，但不可能與原數(shù)據(jù)集完全相同，樣本數(shù)量的減少一定程度上使分類的參考減少，使得算法檢測率和誤報率不同幅度的誤差。圖5.2....

本文編號：3915796