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),請進行舉報或認領(lǐng)
文檔簡介
1、中南大學(xué)碩士學(xué)位論文基于正常簡檔聚類的自適應(yīng)異常檢測技術(shù)研究姓名:李斌申請學(xué)位級別:碩士專業(yè):計算機應(yīng)用技術(shù)指導(dǎo)教師:劉衛(wèi)國20090501ABSTRACTAsadynamicsecuritytechnologyintrusiondetectionprovidesreal—timeprotectionagainstinternalandexternalattacksaswellasmisoperationinterceptsandres
2、pondstointrusivebehaviorsbeforeattacksexertanyharmtothenetworkAtpresent,theanomalydetectionresearchwhichhasputforwardabatchofdetectiontechnologiesforthesecurityfield,whiletherealestillmanyproblemspendingtogetsolvedThisth
3、esisadoptstheideaofanomalydetectionandselectsclusteringalgorithm,andthenpresentsanadaptiveanomalydetectionmodelbasedonaclusterofnormalprofilesBasedonthatmodel,ahybridintrusiondetectionsystemisrealizedThisthesisconcludesm
4、aincontentsasfollows:1Analyzestheresearchmethodologyofanomalydetectiontechnologiesindetailed,describesthenormalprofileinanomalydetectiontechnologies,sumsuptheprocessesofadaptiveintrusiondetectionAtthesametime,analyzesand
5、comparesapplicationsofclusteringalgorithminintrusiondetection2ProposesanadaptiveanomalydetectionmodelbasedonnormalprofilebyclusteringItselectesnormaldatarecordstoestablishanormalprofilethroughkmeansclusteringalgorithm,de
6、tectesnetworkdatarecordsaccordingtothenormalprofile,andupdatesthenormalprofilewithdetectednormaldatarecordsExperimentswiththeKDDcup99datasetindicatesthatthedetectionsystemcanadapttodatachangetrendsandthedetectionrategets
7、abetterimprovement,whilemaintainingaverylowrateoffalsealarms3Realizesahybridintrusiondetectionsystem,whichincorporatedtheadvantagesofbothmisusedetectionandanomalydetectionTheexperimentshowedthatdetectionratereaches8437%,
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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,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
- 基于自適應(yīng)模糊聚類的冶金能源數(shù)據(jù)異常檢測.pdf
- 基于信息熵聚類的DDOS異常檢測技術(shù)研究.pdf
- 基于聚類的異常檢測技術(shù)的研究.pdf
- 基于聚類的異常入侵檢測技術(shù)
- 基于在線自適應(yīng)字典學(xué)習(xí)的視頻異常事件檢測技術(shù)研究.pdf
- 基于聚類的異常入侵檢測技術(shù).pdf
- 基于自適應(yīng)聚類算法的DDoS攻擊檢測方法研究.pdf
- 基于DBSCAN的自適應(yīng)聚類算法研究.pdf
- 面向服務(wù)聚類的無監(jiān)督異常檢測技術(shù)研究.pdf
- 基于自適應(yīng)行聚類的自然場景文字檢測算法研究.pdf
- 基于自適應(yīng)聚類的中文自動文摘研究
- 基于自適應(yīng)聚類的中文自動文摘研究.pdf
- 基于MapReduce的自適應(yīng)密度聚類算法研究.pdf
- 基于密度的聚類和異常檢測.pdf
- 基于自適應(yīng)聚類算法的小群體檢測與跟蹤.pdf
- 基于秩約束的自適應(yīng)聚類方法.pdf
- 自適應(yīng)WEB入侵異常檢測技術(shù)的應(yīng)用研究.pdf
- 自適應(yīng)空間聚類方法研究.pdf
- 基于免疫聚類的異常檢測算法研究.pdf
- 基于信息熵聚類的異常檢測方法研究.pdf
評論
0/150
提交評論