声明
第 1 章 绪 论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 入侵检测研究现状
1.2.2 机器学习在入侵检测的应用现状
1.3 目前存在的问题
1.4 主要研究内容
1.5 论文结构
第 2 章 SOMOTE 综合采样算法
2.1 网络流量数据特性分析
(1) 类别分布不平衡
(2) 类内样本冗余
(3) 存在无效特征
2.2 基于 SOM的分层欠采样算法
2.2.1 可行性分析
2.2.2 竞争层自适应增长的改进策略
2.2.3 分层聚类的改进策略
2.2.4 基于 SOM 的分层欠采样算法设计
2.3 SOMOTE综合采样算法设计
2.3.1 基于 SOM 的欠采样阶段
2.3.2 基于 SMOTE 的过采样阶段
2.3.3 SOMOTE 算法的整体流程设计
2.4 本章小结
第 3 章 ACOFS 特征选择算法
3.1 特征空间模型的设计
3.2 蚂蚁路径规划算法的设计
3.2.1 转移概率的计算方式
3.2.2 活跃因子的变化方式
3.3 信息素浓度矩阵更新算法的设计
3.3.1 阶梯式上升的动态挥发系数
3.3.2 信息素增量计算公式的设计
3.4 ACOFS 算法的整体流程设计
3.5 本章小结
第 4 章 基于 SOM-ACO-SVM 的入侵检测技术
4.1 可行性分析
4.2 整体框架设计
4.3 基于 SOMOTE的综合采样处理
4.4 基于 ACOFS的特征选择处理
4.5 基于 SVM的多层入侵检测分类器的设计
4.5.1 SVM 基础分类器的参数设置
4.5.2 基于 SVM 的多层入侵检测分类器的训练过程
4.5.3 基于 SVM 的多层入侵检测分类器的检测过程
4.6 本章小结
第 5 章 仿真实验与结果分析
5.1 实验环境
5.2 实验数据集介绍
5.3 数据预处理
5.4 入侵检测系统的评价指标
5.5 SOMOTE综合采样算法的仿真实验
5.5.1 实验设计
5.5.2 不同采样算法的效果对比
5.5.3 不同采样算法的运行时间对比
5.5.4 入侵检测系统训练时间对比
5.5.5 入侵检测系统各项指标对比
5.6 基于 SOM-ACO-SVM的入侵检测技术仿真实验
5.6.1 实验设计
5.6.2 实验过程与结果
5.6.3 特征选择的结果对比
5.6.4 入侵检测系统训练时间对比
5.6.5 入侵检测系统各项指标对比
5.7 本章小结
结 论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致 谢
燕山大学;
