基于區(qū)域過(guò)濾的粒子群優(yōu)化算法在網(wǎng)絡(luò)入侵檢測(cè)中的研究.pdf

1、隨著計(jì)算機(jī)軟硬件技術(shù)的高速發(fā)展,基于互聯(lián)網(wǎng)的應(yīng)用越來(lái)越多,網(wǎng)絡(luò)安全也面臨更加嚴(yán)峻的考驗(yàn)。互聯(lián)網(wǎng)安全事件頻發(fā),信息安全早已經(jīng)提升至國(guó)家戰(zhàn)略高度。依據(jù)信息安全等級(jí)保護(hù)三級(jí)標(biāo)準(zhǔn)中的網(wǎng)絡(luò)安全細(xì)則,三級(jí)網(wǎng)絡(luò)系統(tǒng)中需要部署入侵檢測(cè)系統(tǒng)。此外,入侵檢測(cè)技術(shù)長(zhǎng)期以來(lái)受到商業(yè)界以及學(xué)術(shù)界的關(guān)注,產(chǎn)生了豐碩的研究成果,但是在入侵檢測(cè)上依然存在攻擊不能全覆蓋、誤報(bào)率高、模型訓(xùn)練時(shí)間長(zhǎng)等問(wèn)題。因此網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)依然值得深入研究。
　　針對(duì)入侵檢測(cè)系統(tǒng)中

2、誤報(bào)率高的問(wèn)題,將入侵檢測(cè)問(wèn)題當(dāng)作分類問(wèn)題處理。分析了支持向量機(jī)技術(shù)的相關(guān)理論,利用支持向量機(jī)的對(duì)樣本、核函數(shù)、特征維度等因素依賴性不強(qiáng)等優(yōu)點(diǎn),將支持向量機(jī)技術(shù)用于入侵檢測(cè)。
　　針對(duì)支持向量機(jī)訓(xùn)練模型時(shí)間過(guò)長(zhǎng)的問(wèn)題提出了相應(yīng)的解決方案。
　　本文的創(chuàng)新之處在于:通過(guò)前期一系列的實(shí)驗(yàn)得出了粒子分布不均對(duì)分類器效果影響的結(jié)論,在此基礎(chǔ)上提出了基于區(qū)域過(guò)濾的粒子群優(yōu)化算法,將基于區(qū)域過(guò)濾的粒子群優(yōu)化算法用于支持向量機(jī)的參數(shù)尋優(yōu),

3、一方面提高訓(xùn)練模型的精確度;另一方面降低訓(xùn)練模型的訓(xùn)練時(shí)間,針對(duì)提出的算法進(jìn)行了時(shí)間復(fù)雜度分析,對(duì)算法中的區(qū)域分割的個(gè)數(shù)、尋優(yōu)步長(zhǎng)等問(wèn)題進(jìn)行了研究并提出了相應(yīng)的解決方案。設(shè)計(jì)了新的入侵檢測(cè)模型,加入了Web攻擊識(shí)別模塊,讓識(shí)別出來(lái)的Web攻擊數(shù)據(jù)包不進(jìn)入分類器,進(jìn)一步減少外部因素的干擾、提高攻擊識(shí)別的效率。
　　選取 RBF核函數(shù)作為支持向量機(jī)的核函數(shù)并分析了影響支持向量機(jī)的兩個(gè)參數(shù)C和σ,運(yùn)用粒子群優(yōu)化算法搜索全局最優(yōu)的C和σ,

4、通過(guò)實(shí)驗(yàn)對(duì)比發(fā)現(xiàn)了粒子群優(yōu)化算法對(duì)初始粒子分布的敏感性,初始粒子分布得越均勻,粒子尋優(yōu)就有可能越充分。提出了基于區(qū)域過(guò)濾技術(shù)的粒子群優(yōu)化算法,該算法思想源自于數(shù)據(jù)庫(kù)系統(tǒng)中的索引問(wèn)題,縮短了模型訓(xùn)練的時(shí)間長(zhǎng)度。
　　針對(duì)數(shù)據(jù)包的特點(diǎn),分析了IP數(shù)據(jù)包頭、TCP數(shù)據(jù)包頭、UDP數(shù)據(jù)包頭等常見(jiàn)的數(shù)據(jù)包結(jié)構(gòu)。對(duì)于現(xiàn)階段大多數(shù)入侵檢測(cè)系統(tǒng)缺乏 Web安全過(guò)濾功能,數(shù)據(jù)包吞吐能量不足的問(wèn)題,讓已經(jīng)匹配的可疑 Web攻擊數(shù)據(jù)包,不進(jìn)入支持向量機(jī)