基于混和支撑向量机的入侵检测方法研究

摘要

入侵检测系统作为一种动态防护体系,首先从计算机系统和网络中的不同关键点采集信息,然后通过分析这些信息来确定入侵的迹象,其本质还是一个聚类、分类的问题.支撑向量机是与样本分布无关泛化性能很好的分类器,针对具体问题选择一个好的核函数是至关重要的,核函数的参数选择也会影响分类器的性能,针对以上问题该文给出了相应的解决方法.1.给出了基于子波核支撑向量机的入侵检测算法.对数据集合kddcup99进行了仿真试验,仿真实验结果表明,该算法是可行和有效的.2.将免疫克隆选择算法用于核函数参数的优化选择,进而提出了基于免疫克隆选择策略的支撑向量机入侵检测算法.免疫克隆选择算法克服了遗传算法易出现早熟的缺陷,故由免疫克隆选择算法能更有效地求得核函数的参数,提高支撑向量机的分类性能,从而降低在入侵检测中的误警率和虚警率.理论分析和仿真实验表明该算法能提高分类器的性能.

目录

文摘

英文文摘

创新性声明及关于论文使用授权的说明

第一章绪论

1.1入侵检测的研究现状

1.2入侵检测方法的研究现状

1.3本文主要研究目的和内容安排

第二章入侵检测系统

2.1引言

2.2入侵检测系统分类

2.2.1基于网络的入侵检测系统

2.2.2基于主机的入侵检测系统

2.3现有入侵检测系统介绍

第三章基于子波支撑向量机的入侵检测方法

3.1引言

3.2支撑向量机

3.2.1机器学习的基本问题

3.2.2统计学习理论的核心内容

3.2.3支撑向量机分类机理

3.3子波理论

3.4基于子波支撑向量机的入侵检测算法

3.5仿真试验和结果分析

3.6小结

第四章基于免疫克隆选择策略的支撑向量机入侵检测方法

4.1引言

4.2免疫克隆选择算法

4.3基于免疫克隆选择的支撑向量机入侵检测算法

4.4仿真实验和结果分析

4.5小结

第五章基于神经网络的入侵检测方法

5.1引言

5.2 BP神经网络

5.3基于BP神经网络的入侵检测方法

5.4仿真试验和结果分析

5.5小结

第六章结论

致谢

参考文献

在读期间的研究成果

附录A