收藏本站
《广西师范大学》 2019年
收藏 | 手机打开
二维码
手机客户端打开本文

基于仿生算法的网络入侵检测系统研究

陆倩  
【摘要】:随着互联网的不断扩展和高速发展,网络环境变得越来越复杂,存在的风险也越来越大。因此,网络安全已经成为一个非常重要的问题。网络的缺陷可能会导致网络攻击,并影响用户的隐私。为了保障网络信息安全,网络入侵检测技术得到了广泛重视。网络入侵检测技术是利用入侵者留下的痕迹信息,如试图登录的失败记录等,有效地从外部或内部发现非法入侵。由于网络环境日渐复杂,传统的入侵检测方法运行速度较慢并且对未知网络攻击的识别能力较差,其无法有效解决现有的网络入侵问题。机器学习作为新一代的人工智能技术,能够针对大量的数据进行自主学习和训练,有望弥补传统方法的不足,为入侵检测带来新的发展和突破。另外,仿生算法作为一种模拟生物免疫系统防御行为的新兴技术,在计算机科学领域也受到了越来越多的关注。生物免疫是一种复杂的分布式信息处理学习系统,有较强的自适应性、多样性、学习、识别和记忆等特点。基于人工免疫系统的一些模型和仿生算法在实际应用中显示了优良的信息处理能力。人工免疫系统在入侵检测方面取得了一些成功,但人工免疫理论研究还不够成熟,部分提出的检测模型并没有使用实际的数据进行验证。在研究网络入侵检测技术的过程中存在数据量大、检测率低、误报率高等主要问题。因此,本文基于现有的研究成果,针对入侵检测系统的不足,进行相关的改进和提高,并研究新型的网络入侵检测系统。主要工作体现在以下四个方面:1.首先介绍了课题的研究背景,主要包括课题的由来以及主要研究内容,然后给出本文工作的创新点。接着介绍了网络入侵检测系统的发展,并简单介绍了基于机器学习的网络入侵检测研究。然后介绍了人工免疫系统理论以及常见的人工免疫算法。最后对入侵检测领域存在的不足做了分析,并给出了相应的解决思路。2.针对支持向量机算法分类中存在的不足,提出了基于粒子群算法优化支持向量机参数的网络入侵检测模型。在数据预处理部分利用one-hot编码对数据集中的离散数据进行转化,用主成分分析算法对特征进行降维,减少了支持向量机运算的复杂度并节省了时间。利用NSL_KDD数据集进行二分类和多分类实验,从总体分类准确率、检测率与误报率三个方面与其他机器学习方法进行比较。3.针对传统否定选择算法检测器集合存在冗余的问题,提出了一种改进的V-detector算法。首先设置半径可变的检测器生成算法,在检测器生成过程添加一个距离最近的自体为特征变量,提高检测器生成效率,降低检测器集合的冗余。然后在检测器终止条件时选用假设检验方法,保证检测器对非自体空间覆盖率一致的情况下,减少了训练过程的时间。最后利用改进的单个V-detector分类器构造多级分类模型以解决网络入侵检测中的多种攻击类型分类问题。4.利用改进的V-detector算法和新型人工免疫算法树突状细胞算法组成新的入侵检测模型。V-detector算法来源于否定选择算法,树突状细胞算法来源于危险理论,两种方法的结合属于不同类型的分类器异构集成。两种单分类器的集成结合了两种的优点,采用加权多数投票原则综合分类结果。该模型应用于网络入侵检测方向,提高了对未知类别的识别能力,降低了误报率。
【学位授予单位】:广西师范大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:TP393.08

【参考文献】
中国期刊全文数据库 前1条
1 高海华;杨辉华;王行愚;;基于PCA和KPCA特征抽取的SVM网络入侵检测方法[J];华东理工大学学报(自然科学版);2006年03期
【共引文献】
中国期刊全文数据库 前10条
1 马世欢;胡彬;;基于特征选取和样本选择的网络入侵检测[J];计算机系统应用;2015年09期
2 何新;李大辉;付军;;改进的KPCA在入侵检测特征提取中的研究[J];齐齐哈尔大学学报(自然科学版);2015年04期
3 何新;李大辉;付军;;特征提取算法KPCA的改进与设计[J];高师理科学刊;2015年06期
4 张志华;梁胜杰;尹曰建;钟强晖;;基于SVM的双层圆柱壳体机械振动噪声数据特征提取方法比较[J];船舶力学;2015年Z1期
5 曹明岩;;基于加权支持向量机的入侵检测研究[J];淮海工学院学报(自然科学版);2014年03期
6 庞天天;;油井视频监控数据流检测与优化控制[J];油气田地面工程;2014年07期
7 李蕊;;基于PCA和LOGIT模型的网络入侵检测方法[J];成都信息工程学院学报;2014年03期
8 冯雪;赵立杰;郑瀚洋;;基于KPCA频谱特征提取的球磨机负荷建模方法[J];沈阳化工大学学报;2014年02期
9 徐茹枝;王宇飞;;面向电力信息网络的安全态势感知研究[J];电网技术;2013年01期
10 唐朝伟;李超群;燕凯;严鸣;;基于LISOMAP的相关向量机入侵检测模型[J];计算机应用;2012年09期
【相似文献】
中国期刊全文数据库 前10条
1 梁川;;免疫理论的船舶网络入侵检测方法[J];舰船科学技术;2019年12期
2 于昕阳;;浅谈计算机网络入侵检测中免疫机制的应用[J];网络安全技术与应用;2017年02期
3 袁琴琴;吕林涛;;基于改进蚁群算法与遗传算法组合的网络入侵检测[J];重庆邮电大学学报(自然科学版);2017年01期
4 吕峰;马开阳;叶东海;;电子对抗系统网络入侵检测技术优化研究[J];计算机测量与控制;2017年06期
5 王鹏;;入侵检测系统在计算机网络安全中的设计与应用[J];无线互联科技;2017年12期
6 顾庆传;姜娜;;免疫机制在计算机网络入侵检测中的应用分析[J];电脑知识与技术;2017年16期
7 王文军;;如何在计算机教学中让学生了解学习网络入侵检测技术[J];职业;2017年25期
8 唐光艳;;基于约束模糊聚类思维的网络入侵检测方法研究[J];湘潭大学自然科学学报;2017年03期
9 吴玉强;田素诚;;网络入侵检测技术探析[J];赤峰学院学报(自然科学版);2017年17期
10 李小剑;谢晓尧;;基于支持向量机与k近邻相结合的网络入侵检测研究[J];贵州师范大学学报(自然科学版);2015年03期
中国重要会议论文全文数据库 前10条
1 成科扬;;基于集对分析的网络入侵检测研究[A];2005年中国智能自动化会议论文集[C];2005年
2 沈明玉;邱文庆;;基于行为模型的网络入侵检测方法研究[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
3 申红婷;;遗传算法在网络入侵检测中的应用[A];中国电子学会第十五届信息论学术年会暨第一届全国网络编码学术年会论文集(上册)[C];2008年
4 吴建龙;;基于蜂群算法的网络入侵检测模型优化研究[A];中国职协2015年度优秀科研成果获奖论文集(上册)[C];2016年
5 彭清泉;杨晓元;韩益亮;;一种基于免疫的网络入侵检测体系结构[A];第二十届全国数据库学术会议论文集(技术报告篇)[C];2003年
6 黄晓燕;许龙飞;;基于关联规则的网络入侵检测技术的应用研究[A];第二十三届中国数据库学术会议论文集(技术报告篇)[C];2006年
7 张满怀;;两类基于异常的网络入侵检测方法的比较[A];2007中国科协年会——通信与信息发展高层论坛论文集[C];2007年
8 魏念忠;;基于模糊关联规则挖掘的网络入侵检测研究[A];2008年全国开放式分布与并行计算机学术会议论文集(上册)[C];2008年
9 陈路莹;姜青山;陈黎飞;;一种面向网络入侵检测的特征选择方法[A];第二十五届中国数据库学术会议论文集(二)[C];2008年
10 赵新星;姜青山;陈路莹;胡海斌;;一种面向网络入侵检测的特征选择方法[A];第26届中国数据库学术会议论文集(B辑)[C];2009年
中国重要报纸全文数据库 前10条
1 ;Symantec ManHunt[N];中国计算机报;2004年
2 ;McAfee IntruShield主动防入侵[N];中国计算机报;2003年
3 陶智;政务安全:NIPS力克城域网“内讧”[N];中国计算机报;2006年
4 曾宇、王成江;服务器要走向“零”管理[N];中国计算机报;2002年
5 林然;中国IDC产业健康发展还缺什么?[N];通信产业报;2003年
6 ;StoneGate IPS永不间断 安全均衡[N];中国计算机报;2008年
7 刘宏伟;深层防护从核心到边缘[N];中国计算机报;2004年
8 赛迪评测网络安全实验室 何军;预先阻断才安全[N];中国计算机报;2004年
9 ;McAfee缔造MyDoom克星[N];计算机世界;2004年
10 ;大型企业如何选择安全解决方案?[N];计算机世界;2004年
中国博士学位论文全文数据库 前10条
1 杨宏宇;网络入侵检测技术的研究[D];天津大学;2003年
2 易平;移动Ad Hoc网络入侵检测与主动响应机制研究[D];复旦大学;2005年
3 蒋卫华;智能网络入侵检测与安全防护技术研究[D];西北工业大学;2003年
4 曾勇;资源受限场景下的容忍入侵关键技术研究[D];西安电子科技大学;2008年
5 张宝军;网络入侵检测若干技术研究[D];浙江大学;2010年
6 傅蓉蓉;无线传感器网络入侵检测关键技术研究[D];北京交通大学;2013年
7 赵月爱;基于非均衡数据分类的高速网络入侵检测研究[D];太原理工大学;2010年
8 刘勇国;基于数据挖掘的网络入侵检测研究[D];重庆大学;2003年
9 Richard Maina Rimiru;[D];中南大学;2013年
10 郭春;基于数据挖掘的网络入侵检测关键技术研究[D];北京邮电大学;2014年
中国硕士学位论文全文数据库 前10条
1 胡睿升;网络入侵检测中的机器学习方法与应用[D];北京邮电大学;2019年
2 赵贵成;基于工业控制网络流量分析的入侵检测平台与算法研究[D];浙江大学;2019年
3 纪艺东;基于机器学习的无线网络入侵检测研究[D];北京邮电大学;2019年
4 陆倩;基于仿生算法的网络入侵检测系统研究[D];广西师范大学;2019年
5 徐温雅;基于机器学习的网络入侵检测研究[D];北京交通大学;2018年
6 付红娟;基于ICPSO-SVM的网络入侵检测研究[D];湖南大学;2016年
7 张浩;一种新型分类算法及其在网络入侵检测中的应用研究[D];北京邮电大学;2018年
8 孙琦麟;基于免疫克隆选择加权朴素贝叶斯分类器的网络入侵检测[D];兰州理工大学;2017年
9 崔媛媛;网络入侵检测产品技术规范研究[D];电子科技大学;2003年
10 曹丹星;基于数据降维和支持向量机的网络入侵检测[D];山东大学;2015年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026


日本高清免费一本视频,一本道久在线88综合,日本一本道手机在线dvd,东京热一本道色综合网,一本首久久综合久久爱,