版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、隨著互聯(lián)網(wǎng)的應(yīng)用普及,越來越多的業(yè)務(wù)和事務(wù)都依賴網(wǎng)絡(luò)來完成,與此同時(shí)針對各種網(wǎng)絡(luò)應(yīng)用的網(wǎng)絡(luò)攻擊也越來越頻繁,如何檢測識別各種各樣的網(wǎng)絡(luò)異常行為就成了不可回避的技術(shù)問題。網(wǎng)絡(luò)攻擊方法層出不窮,攻擊手段也在不斷的更新,使得傳統(tǒng)的防火墻等被動(dòng)的安全機(jī)制對許多攻擊難以檢測。入侵檢測技術(shù)作為一種主動(dòng)防御技術(shù),彌補(bǔ)了傳統(tǒng)安全技術(shù)的不足,一直被國內(nèi)外的研究學(xué)者們所關(guān)注。隨著網(wǎng)絡(luò)規(guī)模的不斷擴(kuò)大,網(wǎng)絡(luò)流量的不斷增長和黑客技術(shù)的不斷發(fā)展,對網(wǎng)絡(luò)異常檢測的性
2、能提出了更高的要求。本文以提高異常檢測技術(shù)的正確率,降低誤警率和漏報(bào)率以及自動(dòng)響應(yīng)為技術(shù)目標(biāo),以機(jī)器學(xué)習(xí)理論為基礎(chǔ),在檢測技術(shù)、動(dòng)態(tài)行為輪廓?jiǎng)?chuàng)建表示和快速響應(yīng)等方面進(jìn)行了深入系統(tǒng)的研究,取得了一些創(chuàng)新性的成果,主要的研究工作和研究成果包括:
1)把網(wǎng)絡(luò)異常檢測看作是一個(gè)機(jī)器學(xué)習(xí)和模式識別的問題,即通過學(xué)習(xí)網(wǎng)絡(luò)流量特征和主機(jī)審計(jì)記錄等觀測數(shù)據(jù)來區(qū)分系統(tǒng)的正常行為和異常行為。支持向量機(jī)(SVM)的學(xué)習(xí)方法在小樣本下能夠取得較好
3、效果的異常檢測算法,但是樣本冗余特征不僅會(huì)占用大量的存儲(chǔ)空間,而且會(huì)影響SVM的性能,論文從分析SVM學(xué)習(xí)模型的計(jì)算復(fù)雜度入手,提出了采用粗糙集理論特征約簡并統(tǒng)計(jì)排序重要特征,構(gòu)造了加權(quán)特征核函數(shù)的支持向量機(jī)異常分析方法,實(shí)驗(yàn)表明,加權(quán)核函數(shù)方法有效地提高了支持向量機(jī)的檢測效率,降低了誤警率、漏報(bào)率,縮短了檢測識別時(shí)間,為在線的異常檢測系統(tǒng)構(gòu)建提供了一種可能。
2)異常檢測算法的基本思想是根據(jù)學(xué)習(xí)得到的正常用戶的行為模式去
4、判斷某個(gè)給定的用戶行為是否在設(shè)定的范圍之內(nèi),作為異常檢測的依據(jù),用戶行為輪廓的準(zhǔn)確程度直接關(guān)系到異常檢測系統(tǒng)的檢測性能。但是由于在建立正常用戶行為輪廓時(shí)往往數(shù)據(jù)不是完備的,同時(shí)用戶行為的時(shí)變性,所建立的用戶行為輪廓不能反映最新的用戶行為,因此使得異常檢測算法的性能提高很有限,并且對不同用戶的適應(yīng)能力也不好,限制了現(xiàn)有方法的實(shí)際效用。針對這一問題論文提出了基于增量學(xué)習(xí)的一種動(dòng)態(tài)自學(xué)習(xí)的時(shí)變行為輪廓異常分析方法,通過動(dòng)態(tài)調(diào)整正常用戶行為輪廓
5、窗口,連續(xù)更新最近的用戶行為輪廓。仿真實(shí)驗(yàn)數(shù)據(jù)證明,這種動(dòng)態(tài)自學(xué)習(xí)的方法取得了良好的效果,適合于構(gòu)建在線的異常檢測系統(tǒng)。
3)弱點(diǎn)(vulnerabilities)是網(wǎng)絡(luò)安全中的一個(gè)重要因素,系統(tǒng)中潛在的弱點(diǎn)可能會(huì)在其生命期中被逐步發(fā)現(xiàn),這些弱點(diǎn)在被公布出來后,往往被用作攻擊其它具有類似配置的系統(tǒng)。論文提出了基于弱點(diǎn)分析的靜態(tài)信任計(jì)算和基于網(wǎng)絡(luò)流量分析的動(dòng)態(tài)信任值計(jì)算相結(jié)合的方法來估算節(jié)點(diǎn)的行為信任值,根據(jù)不同的應(yīng)用需要來
6、調(diào)整信任值的計(jì)算周期。通過周期性的學(xué)習(xí)系統(tǒng)中的各節(jié)點(diǎn)的信任值,為響應(yīng)決策提供支持。
4)隨著攻擊的復(fù)雜化、自動(dòng)化和大規(guī)?;瑐鹘y(tǒng)的人工響應(yīng)方式已經(jīng)遠(yuǎn)遠(yuǎn)不能滿足響應(yīng)的需要,這主要體現(xiàn)在反應(yīng)遲鈍,對攻擊進(jìn)行人工分析拖延了響應(yīng)時(shí)機(jī),使得攻擊造成巨大的損失,不能適應(yīng)大規(guī)模高速網(wǎng)絡(luò)實(shí)時(shí)響應(yīng)的要求,大量的安全事件使得單靠人工響應(yīng)變得不可能。針對這一問題論文提出了基于信任的快速響應(yīng)機(jī)制,協(xié)同異常檢測系統(tǒng),在攻擊檢測被確認(rèn)之前使得信任值高
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于機(jī)器學(xué)習(xí)的異常檢測研究.pdf
- 基于機(jī)器學(xué)習(xí)的異常流量檢測.pdf
- 基于機(jī)器學(xué)習(xí)的社交網(wǎng)絡(luò)用戶特征分析
- 基于機(jī)器學(xué)習(xí)的社交網(wǎng)絡(luò)用戶特征分析.pdf
- 基于機(jī)器學(xué)習(xí)的腦網(wǎng)絡(luò)分析及其應(yīng)用研究.pdf
- 基于深度學(xué)習(xí)的網(wǎng)絡(luò)流量分類及異常檢測方法研究.pdf
- 基于統(tǒng)計(jì)學(xué)習(xí)理論的網(wǎng)絡(luò)異常流量分析方法研究.pdf
- 結(jié)合可視化與機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)異常檢測技術(shù)研究.pdf
- 基于核機(jī)器學(xué)習(xí)的高光譜異常目標(biāo)檢測算法研究.pdf
- 基于流分析的網(wǎng)絡(luò)異常實(shí)時(shí)檢測研究.pdf
- 基于機(jī)器學(xué)習(xí)的高鐵CDMA網(wǎng)絡(luò)路測分析系統(tǒng)研究.pdf
- 基于ADMM算法的網(wǎng)絡(luò)流量分析及異常檢測研究.pdf
- 基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)流量分類算法研究.pdf
- 基于電網(wǎng)異常信息分析的調(diào)控應(yīng)急響應(yīng)處置機(jī)制.pdf
- 基于機(jī)器學(xué)習(xí)的漢語淺層分析研究.pdf
- 基于小波分析的網(wǎng)絡(luò)異常檢測系統(tǒng).pdf
- 基于機(jī)器學(xué)習(xí)方法的網(wǎng)絡(luò)流量分類研究.pdf
- 基于統(tǒng)計(jì)和時(shí)序分析的網(wǎng)絡(luò)異常檢測.pdf
- 基于組合聚類分析的網(wǎng)絡(luò)異常檢測模型.pdf
- 增量機(jī)器學(xué)習(xí)算法研究——基于模糊神經(jīng)網(wǎng)絡(luò)的增量學(xué)習(xí).pdf
評論
0/150
提交評論