检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于变分自编码高斯混合模型的入侵检测方法

电信工程技术与标准化 2022年第12期35卷 51-57页

作者：赵敏严仍义王浩硕中移(苏州)软件技术有限公司苏州215100

随着网络的不断更新迭代,网络安全形势也愈发纷繁复杂。网络入侵检测作为防护网络安全的一种重要手段,近些年来也一直被广泛关注。然而,为复杂和高维数据开发有效的网络入侵检测方法仍然是一个挑战。对于高维数据的处理,研究者提出了结... 详细信息

随着网络的不断更新迭代,网络安全形势也愈发纷繁复杂。网络入侵检测作为防护网络安全的一种重要手段,近些年来也一直被广泛关注。然而,为复杂和高维数据开发有效的网络入侵检测方法仍然是一个挑战。对于高维数据的处理,研究者提出了结合压缩网络和生成式模型的深度自编码高斯混合模型(DAGMM),基于对该算法的研究,本文改进了该算法在编码时不能很好地抓住数据特性的问题,提出了变分自编码高斯混合模型。利用kddcup99数据集进行了实验验证,实验结果表明,与DAGMM方法相比较,模型的精确率提高大概3%,进而验证了本文算法的有效性。

关键词：网络入侵检测 kddcup99 VAGMM DAGMM

基于CanpoySMOTE和自适应学习的入侵检测方法研究

在线全文

学校读者我要写书评

暂无评论

计算技术与自动化 2022年第4期41卷 123-128页

作者：汤亮张晓冰成林芳湖南省电子信息产业研究院湖南长沙410001 杭州安恒信息技术股份有限公司浙江杭州310000

提出了一种基于Canopy与人工合成少数类别过采样技术(CSMOTE)和自适应增强学习(AdaBoostM1)的入侵检测分类方法,以有效减少入侵检测模型因训练数据集攻击类型不均衡而导致的分类误差,提高分类准确率。通过Canopy聚类消除训练集中的孤立... 详细信息

提出了一种基于Canopy与人工合成少数类别过采样技术(CSMOTE)和自适应增强学习(AdaBoostM1)的入侵检测分类方法,以有效减少入侵检测模型因训练数据集攻击类型不均衡而导致的分类误差,提高分类准确率。通过Canopy聚类消除训练集中的孤立点或噪音点,减少训练集噪声;并在预处理时通过SMOTE增加少数类别的样本数量,构造类间平衡的平衡数据集,然后在平衡数据集上用AdaBoosM1训练得到分类器。与在原始训练集上训练的分类器相比,该方法在保持整体准确率高的情况下,少数类别U2R攻击的准确率提升20%,R2L攻击的准确率提升5%,同时平均漏报率降低9%,实验结果表明该方法可以有效提升少数类别准确率,降低平均漏报率,能有效地解决网络入侵检测少数类误分类问题。

关键词：入侵检测 AdaBoostM1 SMOTE kddcup99 不平衡数据

在线全文

学校读者我要写书评

暂无评论

基于排挤遗传算法的入侵检测方法

计算机工程与应用 2010年第33期46卷 91-93,97页

作者：刘文涛胡家宝武汉工业学院计算机与信息工程系武汉理工大学计算机学院

传统遗传算法在入侵检测系统中构造的规则单一,导致检测率低,为了构造更加精确和完备的入侵规则,提出了一种基于确定性排挤遗传的规则构造算法,该算法使用确定性排挤来产生下一代种群,能够有效保持种群多样性,获得全部最优解。给出了算... 详细信息

传统遗传算法在入侵检测系统中构造的规则单一,导致检测率低,为了构造更加精确和完备的入侵规则,提出了一种基于确定性排挤遗传的规则构造算法,该算法使用确定性排挤来产生下一代种群,能够有效保持种群多样性,获得全部最优解。给出了算法的步骤和仿真,以网络数据集kddcup99为对象,详细分析了利用该算法来生成入侵规则的具体实现过程,对染色体编码和适应度函数进行了设计和实现。最后通过实验证明了此算法的有效性,可以较好地获得入侵检测规则。

关键词：遗传算法确定性排挤入侵检测 kddcup99

在线全文

学校读者我要写书评

暂无评论

基于KPCA入侵检测特征提取技术研究

微计算机信息 2007年第3X期23卷 81-83页

作者：刘完芳黄生叶常卫东湖南公安高等专科学校计算机系湖南大学计算机与通信学院410000湖南长沙湖南大学计算机与通信学院

详细介绍了基于KPCA入侵检测系统特征提取的工作原理,并在MATLAB环境下利用kddcup99数据集进行了基于KPCA特征提取的仿真实验,结果表明KPCA能对样本能进行很好的降维,并可保持较高的检测率,适用于入侵检测的数据源较复杂和其中存在一些... 详细信息

详细介绍了基于KPCA入侵检测系统特征提取的工作原理,并在MATLAB环境下利用kddcup99数据集进行了基于KPCA特征提取的仿真实验,结果表明KPCA能对样本能进行很好的降维,并可保持较高的检测率,适用于入侵检测的数据源较复杂和其中存在一些非线性特征的网络入侵检测系统。

关键词： KPCA 入侵检测 kddcup99

在线全文

学校读者我要写书评

暂无评论

一种大数据环境下的新聚类算法

计算机科学 2015年第12期42卷 247-250页

作者：李斌王劲松黄玮天津理工大学计算机与通信工程学院天津300384 计算机病毒防治技术国家工程实验室天津300457 天津理工大学智能计算及软件新技术天津市重点实验室天津300191

提出了一种新的聚类算法NGKCA,该算法克服了经典聚类算法检测率和稳定性的不足,适用于解决大数据环境下的聚类问题。NGKCA聚类算法包括4个阶段:首先利用谱聚类NJW算法对大数据集进行列降维和数据归一化处理,其次引入对初始值不敏感的粒... 详细信息

提出了一种新的聚类算法NGKCA,该算法克服了经典聚类算法检测率和稳定性的不足,适用于解决大数据环境下的聚类问题。NGKCA聚类算法包括4个阶段:首先利用谱聚类NJW算法对大数据集进行列降维和数据归一化处理,其次引入对初始值不敏感的粒子群算法对数据集进行行降维从而选出临时的聚类中心集,接着通过全局Kmeans算法对最佳聚类中心集进行聚类以获取聚类中心点,最后使用粒子群算法对聚类中心点进行调整进而获取最终的聚类划分。在一些著名的机器学习数据集和国际标准的网络安全数据集kddcup99上进行实验,结果表明:提出的算法比谱聚类、Kmeans、粒子群、全局Kmeans等常见算法具有更好的稳定性和更高的检测率,与全局Kmeans算法相比具有更优的时间复杂度。

关键词：全局Kmeans 谱聚类粒子群优化聚类 kddcup99

在线全文

学校读者我要写书评

暂无评论

融合网络攻击特征学习的入侵检测技术研究

融合网络攻击特征学习的入侵检测技术研究

作者：常梦云浙江工商大学

学位级别：硕士

随着科学技术的不断进步,互联网技术的应用基本覆盖到生活的方方面面,网络安全问题日益突出,机器学习在网络安全中的应用正在逐步增加,入侵检测技术仍在网络防御领域中发挥着重要作用,目前服务于网络安全领域的企业都有自己的网络安全数... 详细信息

随着科学技术的不断进步,互联网技术的应用基本覆盖到生活的方方面面,网络安全问题日益突出,机器学习在网络安全中的应用正在逐步增加,入侵检测技术仍在网络防御领域中发挥着重要作用,目前服务于网络安全领域的企业都有自己的网络安全数据,而供研究领域使用的入侵检测的基准数据集相对比较老旧,己不能很好的满足对入侵检测技术地研究,不管是工业界还是学术界,入侵检测技术仍存在着低检测率、高误报率的问题。如何有效的检测网络攻击是目前网络安全领域的热门研究课题。针对上述问题,本论文提出了一种融合网络攻击特征学习的入侵检测方法,通过蜜罐系统收集网络攻击数据,由此构造新的网络攻击数据集,并在此基础上形成基于深度学习的入侵检测分类模型,达到更好的入侵检测效果。本文首先研究了蜜罐主动型的防御技术,利用蜜罐搭建数据捕获系统,使用tcpdump采集网络流量数据包,sebek采集攻击者的攻击行为数据,从数据中提取服务类型、持续时间等反映攻击的有效特征。然后将收集到的数据进行数据规范化和标准化,对于离散型数据利用一位有效编码的方式进行处理,连续型数据进行归一化处理,最后使用新的攻击数据集训练新构建的基于深度学习的分类模型一NID NET(Network Instrusion Detection Net),将其应用到入侵检测系统中,提高网络入侵检测系统的检测率。本文从实验数据集中共提取24个有效的网络攻击特征。使用NID NET模型对数据进行非线性映射提取数据特征,充分挖掘属性之间存在的联系。对模型中的超参数设置对比实验,使用最优超参数进行分类实验。分别使用本实验数据集和kddcup99数据集训练模型,然后在基于NID NET模型的入侵检测系统中进行验证,应用结果表明该实验的数据集训练模型在检测率和误报率上明显优于在KDD CUP99训练模型,从而验证出本实验数据集的有效性。除此之外,还将本实验提出的分类方法NID NET与其他算法进行对比实验分析,实验证明该分类模型精确度高于其他两种算法。从而验证本论文在入侵检测研究是有效的。

关键词：蜜罐入侵检测深度学习卷积神经网络 kddcup99

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种基于划分的入侵检测新方法研究

一种基于划分的入侵检测新方法研究

作者：张文鹏辽宁科技大学

学位级别：硕士

随着信息技术的不断成熟和网络技术的飞速发展，网络逐渐成为人们生活中不可缺少的一部分。但是，人们在享受着信息革命所带来的便利的同时，也将不可避免的面对信息网络安全问题所带来的巨大挑战。作为网络安全防护机制的关键环节和网... 详细信息

随着信息技术的不断成熟和网络技术的飞速发展，网络逐渐成为人们生活中不可缺少的一部分。但是，人们在享受着信息革命所带来的便利的同时，也将不可避免的面对信息网络安全问题所带来的巨大挑战。作为网络安全防护机制的关键环节和网络安全技术的一大核心技术，入侵检测技术正得到快速的发展并日渐成熟起来。基于数据挖掘的入侵检测，将整个入侵检测系统建立的过程视为一个对训练数据集的挖掘过程。最大限度地降低了对领域先验知识的需求和人工的参与程度，明显地提高了入侵检测和入侵响应的效率。粗糙集理论作为一种拥有着成熟数学基础且不需要先验知识支持的用于分析和处理不确定、不完整、不一致性信息的有效工具，无论是对数据挖掘的预处理阶段还是在数据挖掘阶段都能起到很大的帮助作用。本文在对kddcup99数据集进行一定的统计分析研究的基础之上，运用粗糙集理论中的等价类划分思想。首先利用一定的先验知识根据service的取值不同对原kddcup99训练数据集进行等价类划分，解决了现有研究中kddcup99数据集因庞大而不易处理的难题。然后根据传统离散化算法对各个划分进行离散化操作，极大地减小了后期运算的复杂程度。其次在属性约简和值约简过程中，再次将划分思想运用其中，将二者合二为一，在保证整个决策表一致性的前提下，得到了近似最小的约简结果，最后以此为依据，快速准确地建立起整个入侵检测系统规则库。实验结果表明，本文方法在保证高检测率低误报率低漏检率的前提下，明显地降低了数据挖掘过程各阶段的的复杂程度。

关键词：粗糙集划分入侵检测数据挖掘 kddcup99

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器学习的入侵检测算法研究

基于机器学习的入侵检测算法研究

作者：王淇艺北京邮电大学

学位级别：硕士

互联网使用的普及虽然给人们带来了便利,但也同时带来了安全隐患。网络入侵数据的攻击可能会造成隐私泄露、系统瘫痪等重大问题。传统的网络安全防御技术多为被动防御机制,并不能适应黑客技术日渐猖獗的今天。入侵检测系统(Intrusion De... 详细信息

互联网使用的普及虽然给人们带来了便利,但也同时带来了安全隐患。网络入侵数据的攻击可能会造成隐私泄露、系统瘫痪等重大问题。传统的网络安全防御技术多为被动防御机制,并不能适应黑客技术日渐猖獗的今天。入侵检测系统(Intrusion Detection System,IDS)及其相关技术是一种主动的、新兴的防御技术,因此得到了业界的大量关注。近些年,随着大数据时代的到来,机器学习技术发展迅猛。研究表明,将机器学习技术用于入侵检测是完全可行的。不仅如此,基于机器学习的入侵检测还具有智能化、灵活化等优点,能有效地解决传统入侵检测技术存在的方法僵化、检测率低等问题。因此,本文着重对基于机器学习的入侵检测技术展开了研究。入侵数据具有一些特性,如攻击数据类型多、存在稀疏攻击、存在未知攻击等。这些特性会影响到检测的准确率。传统的基于机器学习的入侵检测往往仅考虑采用单一算法对入侵数据进行识别,这样并不能很好地解决以上问题。如何设计一个好的入侵检测框架,从而能灵活地、可拓展地将不同机器学习技术有机结合是一个值得思考的问题。本文着重考虑的就是设计这样一个通用的入侵检测框架,以提高入侵检测的各项性能。本文的主要工作及创新点有:一、提出层次化、定制化的HMLD入侵检测框架,该框架由MH-DE模块、MH-ML模块和MEM模块共同组成,可以针对不同类型攻击采用不同的建模方法,提高检测性能;二、提出Clussifilter机器学习算法框架,并将其作为建模算法融入HMLD入侵检测框架中;三、优化整合经典入侵检测数据集kddcup99数据集并形成新的数据集KDD-I和KDD-II,新数据集去除了大量冗余数据,数据更均衡,更适用于入侵检测建模工作。本文将HMLD入侵检测框架作用于kddcup99数据集上,并对其进行了算法评估和参数选择。经验证,HMLD在kddcup99数据集上可以得到96.70%的准确率,较以往有较大提高。

关键词：入侵检测系统机器学习 kddcup99 多层架构