基于多流形学习的多源异构安全数据处理分析

摘要

多源安全数据的分析是网络安全领域分析预测的基础，多源数据的融合分析技术是对安全数据进行处理的重要方法。日志数据可以记录系统的状态变化，日志文件可以表示出系统状态改变的情况。对网络安全状态的分析可以结合日志数据和其他安全数据，达到综合分析的目的。流形学习算法是近十年应用较广泛的一种数据降维与特征提取方法，该方法融合了计算机科学、数学、智能科学和认知科学等相关知识，已经成为目前机器学习研究领域的重点和热点方向。论文结合流形学习算法，将多源异构安全数据的融合分析分为多源数据预处理、特征提取和安全分析三部分:
　　第一部分是预处理阶段，主要是对多源安全数据进行预处理操作。为了减少多源数据在语义、时间、空间上的异构性，同时去除脏数据，论文提出一种基于流形学习算法的数据预处理方法。首先，对数据进行数据清洗操作，包括初步过滤去重，识别噪声数据等;然后进行数据约简操作，通过流形学习算法对数据源进行降维，以此获得高质量的数据。
　　第二部分是安全特征提取阶段，主要是对经过预处理后的数据的特征提取。为了分析多源异构数据源，选择合理的数据特征，论文提出一种基于多流形学习算法的数据特征提取方法，该方法同时考虑了多源数据的类别属性和距离信息。
　　第三部分是安全分析阶段，主要是对提取的数据特征进行安全分析。随机森林算法由于构造容易、普适性强、方便与其它算法结合等优点被广泛应用，但传统的随机森林学习算法存在耗时较多、容易产生相似的决策树和构造效率低的缺点。因此论文提出一种基于多流形学习的随机森林构建方法，选择数据的本质属性构建决策树，生成随机森林，使随机森林准确率提升，同时有效避免噪声影响和过拟合现象。
　　最后，对论文提出的方法进行了实验验证。实验结果表明，与现有的数据预处理方法、数据特征提取方法和随机森林分析方法相比，论文提出的方法提高了安全分析的效率和准确性。

目录

声明

摘要

第1章绪论

1．1课题背景及意义

1．2国内外研究现状及分析

1．2．1多源异构数据融合分析方法

1．2．2基于流形学习的数据分析方法

1．2．3国内外研究现状分析总结

1．3论文研究内容

1．4论文组织结构

第2章基于流形学习的数据预处理方法

2．1多源异构数据预处理方法分析

2．1．1网络安全数据分析

2．1．2安全数据预处理方法分析

2．2流形学习概述

2．2．1流形学习相关概念

2．2．2经典的流形学习的方法

2．2．3流形学习的数据预处理方法分析

2．3一种基于流形学习的多源异构安全数据预处理方法

2．3．1噪声点和干净点的权值设置

2．3．2噪声数据点的筛选

2．3．3一种基于流形学习的数据预处理算法

2．4本章小结

第3章基于多流形学习的随机森林数据分析方法

3．1多流形学习算法

3．1．1多流形学习算法分析

3．1．2一种基于多流形学习的数据特征提取算法

3．1．3多流形学习算法与随机森林的互补性分析

3．2随机森林算法

3．2．1随机森林相关概念

3．2．2随机森林的主要思想

3．2．3随机森林的优缺点分析

3．2．4一种基于多流形学习与随机森林算法的数据安全分析方法

3．3本章小结

第4章仿真实验与性能分析

4．1实验目的与实验指标

4．2实验环境与实验数据

4．2．1实验环境

4．2．2实验数据

4．3实验过程与结果分析

4．3．1实验过程

4．3．2 DPOML算法评估

4．3．3 RFMML算法评估

4．4本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢