基于支持向量機(jī)與k近鄰相結(jié)合的網(wǎng)絡(luò)入侵檢測(cè)研究.pdf

1、入侵檢測(cè)作為一種積極主動(dòng)的防御手段，近年來已成為信息安全領(lǐng)域的研究熱點(diǎn)。針對(duì)信息安全等級(jí)保護(hù)測(cè)評(píng)過程中發(fā)現(xiàn)的四種主要攻擊類型，拒絕服務(wù)攻擊（Dos）、監(jiān)視探測(cè)活動(dòng)（Probing）、遠(yuǎn)程用戶攻擊（R2L）和提權(quán)攻擊（U2R），現(xiàn)有的入侵檢測(cè)系統(tǒng)檢測(cè)的正確率仍然有待提高。基于支持向量機(jī)算法的分類模型，無法對(duì)最優(yōu)分類面附近的樣本做出正確分類，基于k近鄰的分類模型易受樣本分布不均衡影響，導(dǎo)致檢測(cè)結(jié)果極不穩(wěn)定。為實(shí)現(xiàn)在原有分類正確的基礎(chǔ)上，進(jìn)一

2、步提高入侵檢測(cè)的正確率，本文提出一種將支持向量機(jī)和k近鄰相結(jié)合的入侵檢測(cè)模型，在分類時(shí)，計(jì)算待識(shí)別的網(wǎng)絡(luò)連接記錄樣本與最優(yōu)分類超平面的距離，如果距離大于預(yù)設(shè)閥值，采用支持向量機(jī)算法對(duì)連接記錄進(jìn)行分類，否則采用k近鄰法對(duì)連接記錄進(jìn)行分類。
　　本研究主要內(nèi)容包括：⑴在入侵檢測(cè)領(lǐng)域內(nèi)首次提出將支持向量機(jī)和k近鄰相結(jié)合的分類方法，根據(jù)樣本在特征空間的分布情況，采取相應(yīng)的分類方法對(duì)樣本進(jìn)行分類。⑵為減少樣本分布不均衡對(duì)k近鄰法所造成的不利

3、影響，采用帶權(quán)重因子的歐式距離來度量樣本間的相似度。⑶在數(shù)據(jù)預(yù)處理階段，對(duì)字符型、離散型和連續(xù)型三種類型的數(shù)據(jù)做歸一化處理，將它們轉(zhuǎn)化成具有統(tǒng)一度量標(biāo)準(zhǔn)的0~1之間的實(shí)數(shù)。⑷以類間間距與類內(nèi)間距之差衡量各個(gè)特征對(duì)分類結(jié)果的貢獻(xiàn)大小，以分類的準(zhǔn)確率作為評(píng)價(jià)標(biāo)準(zhǔn)，選取最能表征各種攻擊類型的特征組合。⑸采用網(wǎng)格搜索法，尋找RBF核函數(shù)中的懲罰參數(shù)c和核參數(shù)?的最優(yōu)組合。逐步增大k值，觀察其變化對(duì)k近鄰法分類準(zhǔn)確率的影響，選取分類準(zhǔn)確率達(dá)最高值