非可信環(huán)境下的支持向量機(jī)研究.pdf

1、支持向量機(jī)等人工智能算法具有適用范圍廣、識(shí)別準(zhǔn)確率高等優(yōu)點(diǎn),因此被廣泛應(yīng)用于垃圾郵件過(guò)濾、入侵檢測(cè)、惡意代碼識(shí)別等網(wǎng)絡(luò)安全應(yīng)用中。同時(shí),它們也具有明顯的局限性。由于智能算法大多基于“內(nèi)容”的方法建立樣本,這使得系統(tǒng)在不可信的環(huán)境下很容易受到攻擊。攻擊者可以向訓(xùn)練樣本中注入有毒樣本,從而降低系統(tǒng)識(shí)別的正確率;攻擊者也可以偽裝惡意樣本,從而躲過(guò)智能系統(tǒng)的識(shí)別。課題以提高支持向量機(jī)對(duì)“注入攻擊”和“偽裝攻擊”攻擊的抵御能力,建立非可信環(huán)境下的

2、智能系統(tǒng)為目標(biāo),從魯棒的支持向量機(jī)變型算法和攻擊支持向量機(jī)策略分析兩個(gè)角度展開(kāi)研究。在前人的基礎(chǔ)上,主要做了以下工作并獲得了一些成果:
　　 1.分析了攻擊者“注入攻擊”的最優(yōu)算法,提出了一種基于貪婪法的連續(xù)攻擊策略。另一方面,提出了抵抗“注入攻擊”的自濾式支持向量機(jī)變型。變型算法被規(guī)約成半正定規(guī)劃的凸優(yōu)化形式。實(shí)驗(yàn)表明,新算法能有效檢測(cè)并濾除注入的有毒樣本,提高了對(duì)正常樣本的識(shí)別準(zhǔn)確率。
　　 2.提出了兩種抵抗“偽裝