基于psosvm算法的網(wǎng)絡入侵檢測關鍵技術研究

1、碩士學位論文碩士學位論文論文題目論文題目：基于PSOSVM算法的網(wǎng)絡入侵檢測關鍵技術研究英文題目英文題目：ResearchonKeyTechniquesofwkIntrusionDetectionBasedonPSOSVMAlgithm學位類學位類別：工程碩士研究生姓研究生姓名：陳虎年學號學號：2015022508學科學科(領域領域)名稱名稱：計算機技術指導教指導教師：馬占飛職稱職稱：教授協(xié)助指導教協(xié)助指導教師：師：職稱職稱：2017年

2、6月2日分類號：分類號：TP3TP391密級：級：公開公開UDC：學校代碼：學校代碼：1012710127萬方數(shù)據(jù)內蒙古科技大學碩士學位論文I摘要現(xiàn)如今，隨著網(wǎng)絡信息時代的迅猛發(fā)展，人們的日常生活與互聯(lián)網(wǎng)息息相關。伴隨著網(wǎng)絡的發(fā)展，網(wǎng)絡安全問題也日益突出，尤其是各政府部門的網(wǎng)絡，成為黑客們攻擊的主要目標。同時電子商務的興起，使得入侵事件的增長趨勢更加嚴重了。因此如何防御網(wǎng)絡攻擊變得十分迫切。防火墻作為一種非常有效的網(wǎng)絡安全產(chǎn)品，只能對網(wǎng)

3、絡外部的攻擊進行防御，而對網(wǎng)絡內部的攻擊卻無能為力，因此依靠防火墻的防御系統(tǒng)已經(jīng)不能對付日益猖獗的入侵行為。由于傳統(tǒng)的安全防御技術所存在的局限性，使得入侵檢測系統(tǒng)（IntrusionDetectionSystems，IDS）成為了目前網(wǎng)絡安全技術的研究熱點。本文對現(xiàn)有的入侵檢測系統(tǒng)進行了論述，隨后對其所存在的不足進行了分析。為了彌補入侵檢測系統(tǒng)所存在的檢測正確率低、誤報率和漏報率高等缺陷，本文選用了支持向量機（SupptVectMach

4、ine，SVM）算法與入侵檢測系統(tǒng)的有效結合進行實驗驗證。因為SVM是以統(tǒng)計學習理論為基礎并且基于結構風險最小化理論的一種新型機器學習算法，它具有嚴格的數(shù)學理論基礎、幾何解釋的直觀性以及良好的泛化能力等優(yōu)點。與此同時，SVM的參數(shù)在所指定的范圍內可供選擇的數(shù)量是無窮大的，盲目的進行搜索不僅會浪費時間，更不能保證參數(shù)的最優(yōu)性。SVM另一個缺陷就是當樣本維度過大時，其分類器對應的時間復雜度也會隨之增大，這將會使分類器的分類效率大幅度降低。針

5、對SVM的缺陷，本文引入了粒子群優(yōu)化（ParticleSwarmOptimization，PSO）算法。首先，對標準PSO優(yōu)化算法進行改進。通過引入指數(shù)遞減慣性權重和收縮因子構造出一種新的粒子群優(yōu)化算法——IPSO算法（ImprovedPSO，改進的粒子群優(yōu)化算法）。然后將IPSO算法與SVM相結合，利用IPSO算法對SVM的參數(shù)進行尋優(yōu)，由此構建出一種新型的基于IPSOSVM算法的網(wǎng)絡入侵檢測系統(tǒng)。為了檢驗新型入侵檢測系統(tǒng)的性能，本文