基于支持向量機的網(wǎng)絡安全態(tài)勢預測.pdf

1、隨著計算機的普及，互聯(lián)網(wǎng)已經(jīng)進入社會生產(chǎn)生活的各方面，同時隨之而來的網(wǎng)絡安全問題也已經(jīng)成為人們普遍關注的焦點。網(wǎng)絡安全態(tài)勢感知為切實有效地應對各種網(wǎng)絡安全問題提供了可行的解決方案:針對復雜的網(wǎng)絡環(huán)境和海量的惡意攻擊日志文件，綜合分析針對網(wǎng)絡系統(tǒng)各部分的攻擊事件，從宏觀的角度對網(wǎng)絡安全態(tài)勢進行評估，并在此基礎上預測將來的網(wǎng)絡安全態(tài)勢信息。為了更加準確的預測網(wǎng)絡安全態(tài)勢的發(fā)展趨勢，本文將時間序列模型結(jié)合基于支持向量機(Support Vec

2、tor Machine，SVM)并模擬退火算法結(jié)合交叉驗證參數(shù)尋優(yōu)，對網(wǎng)絡安全態(tài)勢進行預測。
　　支持向量機作為統(tǒng)計學習理論近年來最新的理論成果，并成為國內(nèi)外專家學者的研究熱點，被廣泛地應用于機器學習研究中。本文通過研究支持向量機的理論基礎，并根據(jù)實驗數(shù)據(jù)對象選擇了高斯核作為支持向量機的核函數(shù)，并進一步為建立支持向量機選擇了多分類算法。支持向量機對網(wǎng)絡安全態(tài)勢進行預測的核心思想是處理網(wǎng)絡系統(tǒng)各傳感器和監(jiān)控部件上檢測到的非正常事件的

3、日志文件，并使用科學有效的評估方法將其量化并處理成安全態(tài)勢時間序列數(shù)據(jù)，將得到的時間序列數(shù)據(jù)作為支持向量機的訓練和預測數(shù)據(jù)。松弛變量和懲罰因子是影響支持向量機分類性能的重要參數(shù)，為了進一步提高支持向量機預測的準確性，采用了模擬退火算法結(jié)合交叉驗證尋找支持向量機模型最優(yōu)參數(shù)。
　　本文實驗是在R語言平臺下實現(xiàn)了支持向量機模型，并選擇MIT林肯實驗室的KDD99數(shù)據(jù)集作為驗證預測模型的實驗數(shù)據(jù)。實驗證明基于支持向量機的該預測系統(tǒng)對于網(wǎng)