基于粗糙集与改进LS-SVM的入侵检测算法研究

摘要

入侵检测是一种主动的安全防护技术，它能检测出正常和异常网络行为，分辨异常行为的非法攻击类型，是防火墙等被动防御技术的重要补充，是网络安全保障的重要手段。
　　 本文分析了多种入侵检测方法的特点，结合大流量、多特征的网络环境提出了基于粗糙集和改进最小二乘支持向量机的入侵检测算法。算法利用粗糙集理论的可辨识矩阵对样本属性进行约简，去除冗余属性，减少样本维数;利用稀疏化算法对最小二乘支持向量机进行改进，使其既具备稀疏化特性又具备快速检测的特点，提高了数据样本分类的准确性。结合算法不仅充分发挥粗糙集对数据有效约简和支持向量机准确分类的优点，同时克服了粗糙集在噪声环境中泛化性较差，支持向量机识别有效数据和冗余数据的局限性，并通过核函数的参数优化和样本训练，建立了支持向量机的优良分类器，从而达到高效实用的检测目的。通过实验证明，基于粗糙集和改进最小二乘支持向量机的入侵检测算法的检测精度高，误报率和漏报率较低，检测时间短，验证了算法的实效性。

目录

声明

摘要

第一章 绪论

1．1 研究背景

1．2 国内外研究现状

1．3 本文内容结构

第二章 入侵检测概述

2．1 入侵检测的概念

2．2 入侵检测技术的分类

2．3 常用的入侵检测方法

2．4 本章小结

第三章 粗糙集及支持向量机理论基础

3．1 粗糙集理论

3．1．1 知识的分类与约简

3．1．2 决策表的简约

3．2 粗糙集属性约简算法

3．3 支持向量机理论

3．3．1 线性分类与优化

3．3．2 核函数

3．4 常用支持向量机算法

3．5 本章小结

第四章 最小二乘支持向量机的改进算法

4．1 支持向量机分类算法

4．2 最小二乘支持向量机分类算法

4．3 最小二乘支持向量机稀疏化算法

4．3．1 LS-SVM稀疏化算法设计

4．3．2 LS-SVM稀疏化算法流程

4．4 小结

第五章 基于粗糙集与改进LS-SVM的入侵检测算法

5．1 粗糙集与改进LS-SVM结合算法特点

5．2 数据预处理及约简

5．2．1 数据预处理

5．2．2 可辨识矩阵属性约简算法

5．3 核函数的选择及参数优化

5．4 基于粗糙集与改进LS-SVM的入侵检测算法设计

5．4．1 算法模型

5．4．2 算法描述

5．5 本章小结

第六章 仿真实验及结果分析

6．1 实验评价标准

6．2 实验数据来源

6．3 实验结果分析

第七章 总结与展望

参考文献

致谢

攻读学位期间主要的研究成果