基于多類支持向量機的協(xié)同入侵檢測.pdf

1、互聯(lián)網(wǎng)的興起，用戶爆炸性的增長，新的威脅和攻擊不斷出現(xiàn)，對網(wǎng)絡的安全提出了新的挑戰(zhàn)，尤其是海量數(shù)據(jù)、噪聲處理以及在線學習問題，網(wǎng)絡安全問題逐漸成為亟待解決的首要問題。
　　 入侵檢測技術是區(qū)別防火墻的另外一種主動式的網(wǎng)絡安全技術，根據(jù)監(jiān)控主機的狀態(tài)和分析網(wǎng)絡報文，對網(wǎng)絡行為進行分類，將網(wǎng)絡行為分為正常行為和異常行為。從而檢測各種入侵的企圖和攻擊，據(jù)此用戶可采取有效防范措施。
　　 支持向量機是一種建立在統(tǒng)計學習理論上的新

2、的機器學習方法?；谥С窒蛄繖C具有全局最優(yōu)、小樣本、非線性等優(yōu)勢，將支持向量機應用到網(wǎng)絡入侵檢測中，有效地克服維數(shù)災難、過學習、局部最小等問題，特別是在高維數(shù)據(jù)空間下，保證入侵檢測的分類準確率，提高檢測系統(tǒng)的性能，減少丟包率。
　　 本文主要研究了多類支持向量機算法與協(xié)同機制應用于網(wǎng)絡入侵檢測的有關問題，針對國內(nèi)外的支持向量機的訓練算法和分類機制進行深入研究，改進了基于多類支持向量機的協(xié)同入侵檢測模型。本文主要工作包括：

3、　　 1.針對網(wǎng)絡的海量數(shù)據(jù)流，單個檢測代理很難應對現(xiàn)今高速數(shù)據(jù)流，導致丟包和無法全面的收集數(shù)據(jù)，對網(wǎng)絡特征進行分析，最終導致檢測率偏低，本文給出了基于多類支持向量機的協(xié)同入侵檢測模型，根據(jù)協(xié)議將網(wǎng)絡數(shù)據(jù)流分為TCP、UDP和ICMP數(shù)據(jù)流，并且對各個數(shù)據(jù)流的特點、選取適合算法構造TCP、UDP、ICMP檢測代理，各個代理協(xié)同檢測工作，提高檢測系統(tǒng)的檢測速度和準確率。
　　 2.針對現(xiàn)實樣本數(shù)據(jù)往往都是不均衡的現(xiàn)狀，本文給出一

4、種改進的加權多類支持向量機分類方法，首先根據(jù)協(xié)議類型將訓練樣本進行屬性簡約，依據(jù)樣本數(shù)量和樣本性質(zhì)設置樣本初始權重，采用一對余類的方法構造基于加權的多類支持向量機模型。針對樣本重合點以及樣本離群點，本文將決策函數(shù)值進行歸一化處理，采用組合策略最大優(yōu)選策略，確定所屬類別。
　　 3.針對本文的協(xié)同模型，從數(shù)據(jù)采集和分析任務分割協(xié)同、算法選擇和結果的整合分析協(xié)同三個層次深入研究了協(xié)同機制。
　　 最后，本文使用LIB SVM