入侵检测分类器设计及其融合技术研究

论文摘要

随着网络技术的深入发展,入侵手段日趋多样化和智能化,计算机网络面临的安全威胁日益加剧,入侵检测系统作为一种新的网络安全防护技术,在保护网络安全方面发挥了重要的作用。在入侵检测系统中,分类器的有效性和相关融合技术的应用对检测系统的性能提高和入侵信息的获取至关重要。本文从分类算法出发,对无标注数据的分类检测、多分类器融合的检测和面向未知入侵类别辨识的入侵检测问题进行了研究,取得的主要成果如下：(1)针对基于聚类算法分类的入侵检测系统中参数设置繁琐问题,提出一种新的基于无监督聚类的入侵检测算法。算法简化了聚类入侵检测系统中的参数设置问题,并提高了原有无标注数据分类的性能。实验结果验证了算法的有效性。(2)提出了一种基于面积的特征提取方法并融合提取的特征,进一步提出了结合几种特征提取方法的基于分类器融合的入侵检测系统。该系统利用了多分类器的差异互补特性,构建了基于分类器融合的检测系统。实验结果表明,系统整体性能优于单分类器检测系统的各项性能。(3)针对入侵检测系统中存在的异常行为基本类别信息获取不足的问题,提出了种基于分类器串行结构的信息获取方法,进而构建了一种面向信息获取的异常检测系统。该系统中使用了作者提出的两种分类器算法,并分别将其与完成分类映射功能的分类器通过分类器融合的方法构成检测系统。实验仿真表明,所提出的分类器算法具有较好的分类性能,且由分类器融合技术得到的检测系统可有效地获取异常行为基本类别信息。(4)提出一种面向未知入侵分类的检测系统。该系统包含异常检测、信息过滤以及未知入侵的类别信息获取三个模块。异常检测模块中提出了基于聚类约减的支持向量机算法,以实现异常检测功能；信息过滤模块通过基于一类分类器方法辨别未知入侵；信息获取模块中提出了一种分类映射算法以获得未知入侵的类别信息,通过三个模块的融合处理完成检测系统任务。实验仿真表明,该系统具有较好的检测性能,且能有效获取未知入侵类别信息。最后,论文分析了本文研究中还存在的问题,并指出了进一步的研究方向。

论文目录

• 摘要
• Abstract
• 目录
• 1 绪论
• 1.1 研究背景和意义
• 1.2 入侵检测系统概述
• 1.2.1 入侵检测技术的发展历程
• 1.2.2 入侵检测技术的分类
• 1.2.3 国内外研究情况
• 1.2.4 当前的热点问题
• 1.3 融合技术及其在入侵检测系统中的应用
• 1.3.1 特征融合及分类器融合
• 1.3.2 融合技术在入侵检测中的应用
• 1.4 本文的研究思路和主要工作
• 1.5 本文结构安排
• 2 基于无监督聚类的入侵检测方法
• 2.1 问题提出
• 2.2 聚类分析
• 2.2.1 聚类的一般描述
• 2.2.2 传统的聚类算法
• 2.3 数据处理
• 2.3.1 数据集描述
• 2.3.2 数据集规范化处理
• 2.4 聚类检测算法
• 2.4.1 相似性度量
• 2.4.2 类间距递推方法
• 2.4.3 聚类算法
• 2.5 仿真实验
• 2.6 本章小结
• 3 基于分类器融合的入侵检测系统
• 3.1 分类器融合
• 3.1.1 分类器融合结构
• 3.1.2 并行结构分类器融合原理
• 3.1.3 基于特征选择的集成学习方法
• 3.2 标准支持向量机分类器
• 3.2.1 支持向量机
• 3.2.2 广义最优分类面
• 3.2.3 支持向量机原理
• 3.2.4 内积核函数
• 3.3 基于分类器融合的入侵检测
• 3.3.1 特征提取
• 3.3.2 分类器融合的入侵检测系统
• 3.4 仿真实验
• 3.5 本章小结
• 4 基于串行结构的分类器融合的入侵检测系统
• 4.1 基于混合聚类和自组织映射的检测系统
• 4.1.1 聚类算法的设计
• 4.1.2 基于自组织映射的分类
• 4.1.3 仿真实验
• 4.2 基于混合人工免疫与自组织映射的检测系统
• 4.2.1 免疫系统原理
• 4.2.2 人工免疫算法
• 4.2.3 基于人工免疫系统的异常检测
• 4.2.4 仿真实验
• 4.3 基于支持向量机与自组织映射的检测系统
• 4.3.1 仿真实验
• 4.4 本章小结
• 5 面向新型入侵类别信息获取的检测方法
• 5.1 面向新型入侵分类的检测模型
• 5.1.1 基于UOS的异常检测系统
• 5.1.2 基于EOS的异常检测模型
• 5.2 本章小结
• 6 结束语
• 致谢
• 参考文献
• 附录