數(shù)據(jù)挖掘算法在入侵檢測中的分析及應(yīng)用
發(fā)布時間:2024-07-09 02:06
入侵檢測系統(tǒng)作為網(wǎng)絡(luò)安全防護(hù)的重要手段之一,目前已得到越來越多的重視。將數(shù)據(jù)挖掘中的算法應(yīng)用到入侵檢測技術(shù)中是把入侵檢測系統(tǒng)智能化的重要一步。由于入侵檢測系統(tǒng)在工作中需要對被監(jiān)控的網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)采集,這勢必會產(chǎn)生海量的網(wǎng)絡(luò)數(shù)據(jù),如何對這些數(shù)據(jù)進(jìn)行有效的預(yù)處理是保證系統(tǒng)能否正確工作的關(guān)鍵步驟。數(shù)據(jù)的預(yù)處理工作一般由特征提取算法來完成,其中主成分分析(PCA)和獨(dú)立成分分析(ICA)就是特征提取中運(yùn)用比較廣泛的兩種算法。 文中首先介紹了入侵檢測系統(tǒng)的發(fā)展現(xiàn)狀以及未來的發(fā)展趨勢,接著對KDD Cup99數(shù)據(jù)集進(jìn)行了詳細(xì)描述,用來說明數(shù)據(jù)預(yù)處理在入侵檢測系統(tǒng)中的重要性,通過對PCA和ICA工作原理和計算方法的分析,給出對KDD Cup99中的數(shù)據(jù)進(jìn)行特征提取的計算方法,在實驗部分結(jié)合三種分類算法:貝葉斯分類器、K-最近鄰和人工神經(jīng)網(wǎng)絡(luò),分別驗證了數(shù)據(jù)在進(jìn)行PCA和ICA處理后的分類正確率。通過實驗的詳細(xì)數(shù)據(jù)對這三種算法在入侵檢測中的應(yīng)用給出評價,分析得出在KDD Cup99數(shù)據(jù)集下貝葉斯分類器的分類效果比較滿意。在實驗的最后提出了一種結(jié)合PCA和ICA的加權(quán)入侵檢測系統(tǒng)模型,并給出實驗數(shù)據(jù),以說...
【文章頁數(shù)】:57 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 課題背景
1.1.1 網(wǎng)絡(luò)安全現(xiàn)狀
1.1.2 網(wǎng)絡(luò)安全技術(shù)
1.2 入侵檢測的必要性和研究現(xiàn)狀
1.2.1 入侵檢測的必要性
1.2.2 入侵檢測的研究現(xiàn)狀
1.3 課題研究內(nèi)容
1.4 論文的工作和安排
2 入侵檢測概述
2.1 入侵檢測概念
2.2 入侵檢測系統(tǒng)結(jié)構(gòu)
2.3 入侵檢測系統(tǒng)分類
2.3.1 檢測技術(shù)
2.3.2 系統(tǒng)監(jiān)控對象
2.4 入侵檢測系統(tǒng)的問題及發(fā)展趨勢
2.4.1 入侵檢測系統(tǒng)的主要問題
2.4.2 入侵檢測技術(shù)的發(fā)展方向
3 特征提取與選擇算法
3.1 主成分分析算法
3.1.1 主成分分析算法原理
3.1.2 主成分分析算法計算過程
3.2 獨(dú)立成分分析算法
3.2.1 獨(dú)立成分分析算法簡介
3.2.2 獨(dú)立成分分析算法原理
3.2.3 獨(dú)立成分分析算法實例
3.3 主成分分析與獨(dú)立成分分析算法總結(jié)
4 分類算法在入侵檢測系統(tǒng)中的應(yīng)用及分析
4.1 KDD Cup 99數(shù)據(jù)集簡介
4.2 KDD Cup 99數(shù)據(jù)特征描述
4.3 KDD Cup 99數(shù)據(jù)集樣本類別分布表
4.4 基于主成分分析的數(shù)據(jù)降維分析
4.5 基于獨(dú)立成分分析的數(shù)據(jù)特征提取
4.6 各分類算法實驗及分析
4.6.1 貝葉斯分類器
4.6.2 K-最近鄰分類算法
4.6.3 人工神經(jīng)網(wǎng)絡(luò)分類算法
4.6.4 總結(jié)
4.7 加權(quán)入侵檢測系統(tǒng)模型
4.7.1 參數(shù)設(shè)置
4.7.2 實驗結(jié)果
5 總結(jié)與展望
5.1 總結(jié)
5.2 展望
參考文獻(xiàn)
個人簡歷、在校期間發(fā)表的學(xué)術(shù)論文
致謝
本文編號:4004225
【文章頁數(shù)】:57 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 課題背景
1.1.1 網(wǎng)絡(luò)安全現(xiàn)狀
1.1.2 網(wǎng)絡(luò)安全技術(shù)
1.2 入侵檢測的必要性和研究現(xiàn)狀
1.2.1 入侵檢測的必要性
1.2.2 入侵檢測的研究現(xiàn)狀
1.3 課題研究內(nèi)容
1.4 論文的工作和安排
2 入侵檢測概述
2.1 入侵檢測概念
2.2 入侵檢測系統(tǒng)結(jié)構(gòu)
2.3 入侵檢測系統(tǒng)分類
2.3.1 檢測技術(shù)
2.3.2 系統(tǒng)監(jiān)控對象
2.4 入侵檢測系統(tǒng)的問題及發(fā)展趨勢
2.4.1 入侵檢測系統(tǒng)的主要問題
2.4.2 入侵檢測技術(shù)的發(fā)展方向
3 特征提取與選擇算法
3.1 主成分分析算法
3.1.1 主成分分析算法原理
3.1.2 主成分分析算法計算過程
3.2 獨(dú)立成分分析算法
3.2.1 獨(dú)立成分分析算法簡介
3.2.2 獨(dú)立成分分析算法原理
3.2.3 獨(dú)立成分分析算法實例
3.3 主成分分析與獨(dú)立成分分析算法總結(jié)
4 分類算法在入侵檢測系統(tǒng)中的應(yīng)用及分析
4.1 KDD Cup 99數(shù)據(jù)集簡介
4.2 KDD Cup 99數(shù)據(jù)特征描述
4.3 KDD Cup 99數(shù)據(jù)集樣本類別分布表
4.4 基于主成分分析的數(shù)據(jù)降維分析
4.5 基于獨(dú)立成分分析的數(shù)據(jù)特征提取
4.6 各分類算法實驗及分析
4.6.1 貝葉斯分類器
4.6.2 K-最近鄰分類算法
4.6.3 人工神經(jīng)網(wǎng)絡(luò)分類算法
4.6.4 總結(jié)
4.7 加權(quán)入侵檢測系統(tǒng)模型
4.7.1 參數(shù)設(shè)置
4.7.2 實驗結(jié)果
5 總結(jié)與展望
5.1 總結(jié)
5.2 展望
參考文獻(xiàn)
個人簡歷、在校期間發(fā)表的學(xué)術(shù)論文
致謝
本文編號:4004225
本文鏈接:http://www.lk138.cn/guanlilunwen/ydhl/4004225.html
上一篇:基于網(wǎng)絡(luò)欺騙的網(wǎng)站防護(hù)技術(shù)研究
下一篇:沒有了
下一篇:沒有了
最近更新
教材專著