基于聚類(lèi)和支持向量機(jī)的入侵檢測(cè)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(wèn)題日益突出。如何使得入侵檢測(cè)系統(tǒng)能夠迅速、有效地發(fā)現(xiàn)各類(lèi)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(diǎn)，網(wǎng)絡(luò)安全已經(jīng)成為一個(gè)全球性重要的問(wèn)題。
　　 本論文回顧了入侵檢測(cè)技術(shù)的發(fā)展史，對(duì)目前的入侵檢測(cè)技術(shù)、聚類(lèi)算法和支持向量機(jī)技術(shù)進(jìn)行了較為深入地研究。在基于上述的研究背景下，開(kāi)

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