基于聚類和支持向量機的入侵檢測系統(tǒng)研究.pdf

1、隨著網(wǎng)絡(luò)的廣泛應(yīng)用，特別是政府信息和軍事數(shù)據(jù)在網(wǎng)絡(luò)上的傳輸，給網(wǎng)絡(luò)安全提出了更高的要求。當(dāng)前網(wǎng)絡(luò)攻擊方法層出不窮，入侵手段更是不斷更新，使得網(wǎng)絡(luò)安全問題日益突出。如何使得入侵檢測系統(tǒng)能夠迅速、有效地發(fā)現(xiàn)各類入侵行為，保證系統(tǒng)和網(wǎng)絡(luò)資源安全成為當(dāng)前研究的熱點，網(wǎng)絡(luò)安全已經(jīng)成為一個全球性重要的問題。
　　 本論文回顧了入侵檢測技術(shù)的發(fā)展史，對目前的入侵檢測技術(shù)、聚類算法和支持向量機技術(shù)進行了較為深入地研究。在基于上述的研究背景下，開

2、展了基于聚類和支持向量機相結(jié)合的入侵檢測的研究。本文采用了一種基于聚類和支持向量機相結(jié)合的入侵檢測算法，有效地減少了訓(xùn)練時間，并在保證分類精度的前提下提高了支持向量機的判別速度。該方法融入到通用入侵檢測框架中，得出了基于聚類和支持向量機的入侵檢測系統(tǒng)模型。
　　 本文通過對KDD CUP1999數(shù)據(jù)集內(nèi)的數(shù)據(jù)進行規(guī)范化和降維等處理，并將經(jīng)過處理后的數(shù)據(jù)應(yīng)用到本文所提出的算法中進行仿真實驗。實驗結(jié)果表明，該算法的執(zhí)行效率較普通支持