基于核方法的网络入侵检测系统

论文摘要

入侵检测技术是网络信息安全的核心技术之一,入侵检测本质上是一个模式识别问题。支持向量机是当前模式识别领域的研究热点之一,利用支持向量机进行建模,不仅可以解决推广能力差的问题,而且可以提高入侵检测的检测率,降低虚警率和误报率,提高入侵检测系统的实用性。论文首先针对入侵检测数据维度高、数量大、离散性的特点,把基于核方法的特征提取算法引入到入侵检测中,通过特征提取,滤除噪声数据,提取出能反映不同攻击类型的主要特征,从而降低入侵检测数据的维度,同时也有效地减少了支持向量机的训练与分类时间;然后在CIDF通用入侵检测模型的基础上,提出了基于核方法的CIDF改进模型;最后通过结合KPCA、KICA与LSSVM算法,提出了两种入侵检测的新方法,并通过大量实验证明了本文方法的有效性,在入侵检测的检测率、分类器的训练时间、虚警率等方面都有较大改进。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景与意义
• 1.2 国内外研究现状
• 1.3 论文主要工作及内容安排
• 第2章 入侵检测数据的分析与处理
• 2.1 数据集分析
• 2.2 数据预处理
• 2.2.1 字符型数据数字化
• 2.2.2 数据归一化
• 2.3 小结
• 第3章 基于LSSVM的网络入侵检测方法
• 3.1 支持向量机原理研究（SVM,Support Vector Machine）
• 3.1.1 VC维理论
• 3.1.2 结构风险最小化原则
• 3.1.3 核函数
• 3.1.4 支持向量机在实际应用中的问题
• 3.2 最小二乘支持向量机（LSSVM,Least Square SVM）
• 3.3 支持向量机在入侵检测系统中的应用原理分析
• 3.4 核函数的选择
• 3.5 小结
• 第4章 基于核方法的网络入侵检测模型
• 4.1 CIDF分析
• 4.1.1 CIDF体系结构
• 4.1.2 CIDF规范语言
• 4.1.3 CIDF内部通信
• 4.1.4 CIDF程序接口
• 4.2 基于核方法的CIDF改进模型
• 4.3 小结
• 第5章 基于KPCA和LSSVM的网络入侵检测方法
• 5.1 核主成分分析（KPCA）
• 5.1.1 主成分分析（PCA）
• 5.1.2 核主成分分析（KPCA）
• 5.2 基于KPCA和LSSVM的入侵检测的实验与结果分析
• 5.3 小结
• 第6章 基于KICA和LSSVM的网络入侵检测方法
• 6.1 核独立成分分析（KICA）
• 6.1.1 独立成分分析（ICA）
• 6.1.2 核独立成分分析（KICA）
• 6.2 基于K/CA和LSSVM的入侵检测的实验与结果分析
• 6.3 小结
• 结论
• 参考文献
• 致谢
• 在学期间发表的学术论文和参加科研情况