版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、分類號(hào):U D C :學(xué)校代號(hào):1 1 8 4 5學(xué)號(hào):2 1 2 1 2 0 1 8 1 5廣東工業(yè)大學(xué)碩士學(xué)位論文( 工學(xué)碩士)基于F C M - C 4 .5 組合過(guò)濾的入侵檢測(cè)模型研究嚴(yán)遠(yuǎn)馳指導(dǎo)教師姓名、職稱:專業(yè)或領(lǐng)域名稱:學(xué)生所屬學(xué)院:論文答辯日期:摘要摘要隨著網(wǎng)絡(luò)技術(shù)的快速發(fā)展和人類社會(huì)信息化程度的不斷提高,人們對(duì)網(wǎng)絡(luò)的依賴性日益增強(qiáng),隨之出現(xiàn)的網(wǎng)絡(luò)安全問(wèn)題也不斷增加。入侵檢測(cè)作為一種主動(dòng)防御網(wǎng)絡(luò)攻擊的手段,已成為網(wǎng)絡(luò)安全
2、領(lǐng)域中的一個(gè)研究熱點(diǎn)。然而入侵檢測(cè)算法尚存在很多不足:誤報(bào)率高、未知攻擊檢測(cè)難、單一檢測(cè)技術(shù)難以全面檢測(cè)復(fù)雜網(wǎng)絡(luò)環(huán)境下類型多樣的各種攻擊等。針對(duì)這些不足,本文將兩種算法結(jié)合起來(lái)構(gòu)造了一個(gè)綜合的入侵檢測(cè)算法。本文首先對(duì)入侵檢測(cè)系統(tǒng)的體系結(jié)構(gòu)、分類和發(fā)展趨勢(shì)進(jìn)行了簡(jiǎn)要的說(shuō)明,并對(duì)數(shù)據(jù)挖掘的基礎(chǔ)知識(shí)、數(shù)據(jù)挖掘在入侵檢測(cè)中的應(yīng)用及其特點(diǎn)進(jìn)行了論述和分析。通過(guò)研究分析得出入侵檢測(cè)需要處理大量的數(shù)據(jù),而數(shù)據(jù)挖掘技術(shù)是一個(gè)強(qiáng)有力的數(shù)據(jù)分析與處理工具,
3、從而將數(shù)據(jù)挖掘技術(shù)應(yīng)用于傳統(tǒng)的入侵檢測(cè)系統(tǒng)來(lái)處理海量數(shù)據(jù)。接著,針對(duì)模糊C 均值聚類算法( F u z z yC .M e a n sa l g o r i t h m ,F(xiàn) C M ) 在聚類過(guò)程中不需要任何的先驗(yàn)知識(shí),可以發(fā)現(xiàn)未知攻擊類型,具有過(guò)程簡(jiǎn)單、收斂速度快等優(yōu)點(diǎn),但誤報(bào)率略高,而C 4 .5 決策樹(shù)算法是一種有監(jiān)督分類方法,需要利用預(yù)先標(biāo)記好的訓(xùn)練數(shù)據(jù)進(jìn)行模型構(gòu)建,可以較好地檢測(cè)出已知攻擊類型,但對(duì)未知攻擊類型的檢測(cè)能力較差
4、的特點(diǎn),將F C M 和C 4 .5 相結(jié)合,構(gòu)建了一個(gè)雙過(guò)濾入侵檢測(cè)模型。模型首先采用F C M 算法初步過(guò)濾掉明顯的正常數(shù)據(jù),從而減少了第二層過(guò)濾的數(shù)據(jù)量;第二層運(yùn)用決策樹(shù)C 4 .5 算法進(jìn)行細(xì)過(guò)濾,從而獲得效率與精度的提高。通過(guò)數(shù)據(jù)集K D D c u P 9 9 的實(shí)驗(yàn)驗(yàn)證,組合過(guò)濾算法能充分發(fā)揮了F C M 能檢測(cè)到未知攻擊的能力與C 4 .5 低誤報(bào)率和對(duì)已知攻擊高檢測(cè)率的優(yōu)點(diǎn),并克服F C M 檢測(cè)率低和C 4 .5 對(duì)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于WMNs的入侵檢測(cè)模型研究.pdf
- 基于決策樹(shù)c4.5算法的網(wǎng)絡(luò)入侵檢測(cè)研究
- 基于免疫的入侵檢測(cè)模型的研究.pdf
- 基于免疫Agent的入侵檢測(cè)模型研究.pdf
- 基于關(guān)聯(lián)規(guī)則的入侵檢測(cè)模型的研究.pdf
- 基于危險(xiǎn)理論的入侵檢測(cè)模型的研究.pdf
- 基于數(shù)據(jù)融合的入侵檢測(cè)模型研究.pdf
- 基于免疫機(jī)理的入侵檢測(cè)模型.pdf
- 基于模型檢測(cè)的入侵檢測(cè)基準(zhǔn)測(cè)試平臺(tái)研究.pdf
- 基于時(shí)間序列的入侵檢測(cè)模型研究.pdf
- 基于多SVM決策組合的入侵檢測(cè).pdf
- 基于多Agent入侵檢測(cè)模型研究.pdf
- 基于免疫機(jī)制的入侵檢測(cè)系統(tǒng)模型研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的入侵檢測(cè)模型研究.pdf
- 基于角色協(xié)同的網(wǎng)絡(luò)入侵檢測(cè)模型研究.pdf
- 基于組合分析的入侵檢測(cè)系統(tǒng)研究.pdf
- 基于聚類的入侵檢測(cè)模型的研究.pdf
- 基于證據(jù)推理的入侵檢測(cè)模型.pdf
- 基于智能代理的入侵檢測(cè)模型.pdf
- 4.3組合(二)
評(píng)論
0/150
提交評(píng)論