基于机器学习的离线/在线入侵检测系统设计与研究

发布时间：2021-12-29 00:00

　　随着大数据技术的发展,网络用户数量日益增长,网络吞吐量不断上升,网络攻击随之日益严重。为了解决这一问题,入侵检测系统（Intrusion Detection System,IDS）应运而生。IDS的功能是对主机和网络进行长期的监视,判断是否存在可疑事件的发生,并且当发现可疑事件时能够对其做出相应反应。IDS基于两种方案监测流量以发现入侵,其一为规则分析,其二为模型检测。基于规则分析的IDS通过从已知的攻击中人为提取某些特定规则来完成构建。基于模型检测的IDS则是通过对收集的正常流量或异常入侵进行训练来完成构建。近年来,人工智能（Artificial Intelligence,AI）技术蓬勃发展,应用不断深入,资金不断投入,成为当下最大的研究热点。而机器学习（Machine Iearning,ML）正是人工智能的核心领域。由于机器学习算法展示的极大可能性,研究人员也开始将其应用于IDS领域,产生了许多有价值的网络安全技术。虽然这些技术为IDS的发展做出了很大贡献,但仍存在着一定的问题。针对这些问题,本文提出了以下解决方案:（1）针对目前许多基于机器学习的IDS只能区分异常数据且需要大量标... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

网络攻击灰度图

【参考文献】：
期刊论文
[1]特征选择方法综述[J]. 李郅琴,杜建强,聂斌,熊旺平,黄灿奕,李欢.  计算机工程与应用. 2019(24)
[2]机器学习的五大类别及其主要算法综述[J]. 李旭然,丁晓红.  软件导刊. 2019(07)
[3]机器学习分类问题及算法研究综述[J]. 杨剑锋,乔佩蕊,李永梅,王宁.  统计与决策. 2019(06)
[4]网络信息安全与技术综述[J]. 王广平.  数字技术与应用. 2018(12)
[5]A Practical Intrusion Detection System for Internet of Vehicles[J]. Wenliang Fu,Xin Xin,Ping Guo,Zhou Zhou.  中国通信. 2016(10)
[6]用于大数据分类的KNN算法研究[J]. 耿丽娟,李星毅.  计算机应用研究. 2014(05)
[7]大数据下的机器学习算法综述[J]. 何清,李宁,罗文娟,史忠植.  模式识别与人工智能. 2014(04)
[8]TIFAflow: Enhancing Traffic Archiving System with Flow Granularity for Forensic Analysis in Network Security[J]. Zhen Chen,Linyun Ruan,Junwei Cao,Yifan Yu,Xin Jiang.  Tsinghua Science and Technology. 2013(04)
[9]遗传算法研究进展[J]. 马永杰,云文霞.  计算机应用研究. 2012(04)



本文编号：3554985