入侵检测中的KPCA算法改进与应用研究

发布时间：2017-04-20 04:00

  本文关键词：入侵检测中的KPCA算法改进与应用研究，，由笔耕文化传播整理发布。

【摘要】：21世纪是人类社会快速发展的时代,也是个网络科技飞速发展的时代。各种网络犯罪也伴随着计算机技术的进步而日渐猖獗,并且从方法手段上也变得越来越隐蔽难以发觉,一旦受到网络攻击无论个人还是组织都将难以避免的蒙受损失。因此各国政府越来越重视网络信息安全的防护,纷纷出台各种相应政策,设立机构加强网络安全的维护工作。网络的开放特性决定了其本身在信息安全方面不足,各种安全保护系统随着计算机技术发展也变得容易被攻破,伴随着电子商务的发展,网络入侵事件不仅只针对大公司企业组织,而且也开始向盗取个人用户信息和个人财产方面发展,因此研究有效的网络入侵检测系统是目前情况的当务之急。在入侵检测系统中,提取网络入侵的重要特征是判断是否发生入侵行为的重要突破口,因此特征提取技术就成为了研究入侵检测的关键技术,有效的特征提取技术可以极大的减小入侵检测系统响应时间,使入侵行为发生可以及早的预警并且能够采取相应地处理措施。本文首先分析入侵检测研究中所出现的方法和技术,对目前大量使用的检测技术进行介绍,随后针对传统核主成分分析(KPCA)在入侵检测应用中对模式分类问题所提取出的特征组合的不足,提出了一种基于信息度量相似度的改进KPCA算法。按照最有利于模式分类的方法对提取出的特征向量进行组合,并剔除降维后与样本类别属性相似度低的特征,选取有利于检测出异常的特征组合。本文使用类间离散程度与类内聚集程度所组成的信息度来代替KPCA方法中累计贡献率,用信息度来衡量提取的特征向量所具有的后续分类能力,选取信息度最高的n个特征向量组成新的特征空间。为衡量新的特征空间与样本类别之间的关系,选择对分类问题最有利的特征组合,因此本文提出相似度的概念用来计算特征向量与样本类别之间的相关程度,剔除与样本类别相关度为0或趋于0的特征向量组合。实验中选用从KDDCUP99数据集中提取的子集作为实验数据,先选取通过本文方法所提取的特征空间的前3维特征向量组成3维空间,在3维空间中各类别样本很好地被分开,显示本文方法较好的分类能力。在更准确的分类中,本文使用C4.5分类算法对提取出的特征进行异常检测。通过实验,对比本文改进算法与KPCA算法,在准确率上有了较大的提高,漏警率与误警率都有一定程度的下降。而从实验性能上看,本文方法比KPCA方法在选取的特征向量更少,而各项指标却显示出更大的优势,计算消耗更低。最后对本阶段工作进行总结,并提出了今后工作的努力方向。
【关键词】：入侵检测 分类 特征提取 核主成分分析
【学位授予单位】：齐齐哈尔大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.08
【目录】：

• 摘要6-7
• Abstract7-10
• 1 绪论10-13
• 1.1 研究背景及意义10-11
• 1.2 研究现状11-12
• 1.3 论文结构12-13
• 2 理论基础13-30
• 2.1 入侵检测常用算法综述13-24
• 2.1.1 入侵检测概述13-15
• 2.1.2 入侵检测系统的检测方法15-18
• 2.1.3 入侵检测常用技术18-24
• 2.2 入侵检测中的特征提取技术24-29
• 2.2.1 基于PCA的特征提取方法25-27
• 2.2.2 基于KPCA的特征提取方法27-29
• 2.3 小结29-30
• 3 入侵检测中的KPCA算法改进与设计30-36
• 3.1 KPCA的算法改进30-35
• 3.1.1 入侵检测数据处理技术31-32
• 3.1.2 改进的KPCA算法32-34
• 3.1.3 特征向量的选择34-35
• 3.2 改进KPCA算法的设计35
• 3.3 小结35-36
• 4 改进KPCA算法在入侵检测中的应用36-49
• 4.1 分类算法的选取与软件环境36-37
• 4.1.1 分类器的选取36-37
• 4.1.2 实验设备及软件环境37
• 4.2 实验环境及数据的选取37-40
• 4.2.1 实验数据选取37-39
• 4.2.2 数据预处理39-40
• 4.3 实验结果与分析40-48
• 4.3.1 传统KPCA算法仿真与分析40-41
• 4.3.2 基于改进算法的仿真与分析41-48
• 4.4 小结48-49
• 结论49-50
• 参考文献50-55
• 攻读硕士学位期间发表学术论文情况55-56
• 致谢56-57

【相似文献】

中国期刊全文数据库 前10条

1 肖健华,吴今培;基于核的特征提取技术及应用研究[J];计算机工程;2002年10期

2 张水利;任淑萍;王欣峰;;基于内容的图像检索技术的现状和发展趋势研究[J];科技情报开发与经济;2007年17期

3 白文荣;寿震坤;;联机手写蒙古文字特征提取技术的研究[J];内蒙古科技与经济;2009年23期

4 张颖;姚晓东;;基于有效性评价机制的小波包特征提取技术[J];微计算机信息;2010年04期

5 蒲天银;饶正婵;田华;颜宝平;;特征提取技术中噪声过滤算法研究[J];计算机时代;2014年04期

6 秦姣华;向旭宇;;汉字复杂指数特征提取技术的实现及其改进[J];计算机工程与设计;2006年02期

7 张素芳;李剑中;冯刚;;基于内容的图像检索技术概述及其发展趋势[J];仪器仪表学报;2006年S1期

8 吕进来;相洁;陈俊杰;成琳;;基于感兴趣区域特征提取技术的情感语义研究[J];计算机工程与设计;2010年03期

9 周斌;王秀敏;果然;李绍滨;毛兴鹏;;辐射源个体特征提取技术综述[J];电讯技术;2011年06期

10 彭健航;;通信辐射源个体特征提取技术[J];电子测试;2012年07期

中国重要会议论文全文数据库 前3条

1 李彬彬;易宝林;罗乐;刘文娇;;基于信源学的光谱曲线特征提取技术比较研究[A];中国通信学会第六届学术年会论文集（中）[C];2009年

2 费文东;孟相如;;基于细胞神经网络文字识别的特征提取技术[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

3 王振会;裴晓芳;官莉;许建明;;主特征提取技术在FY-1C图像处理中的应用[A];农业生态与卫星遥感应用技术学术交流会论文摘要集[C];2006年

中国博士学位论文全文数据库 前2条

1 谢志华;红外人脸识别中鲁棒特征提取技术的研究[D];江西财经大学;2011年

2 刘景能;图像局部不变特征提取技术及其应用研究[D];上海交通大学;2012年

中国硕士学位论文全文数据库 前10条

1 杨淼;光学遥感影像局部特征提取技术及其应用研究[D];电子科技大学;2015年

2 何新;入侵检测中的KPCA算法改进与应用研究[D];齐齐哈尔大学;2015年

3 黄丽莉;具有局部学习能力的特征提取技术研究及应用[D];安徽理工大学;2014年

4 邢云冬;木马网络通信特征提取技术研究[D];解放军信息工程大学;2010年

5 周敏;基于姿态矫正的幼虫特征提取技术研究[D];中国计量学院;2013年

6 冯建强;人脸分割和特征提取技术研究[D];南京航空航天大学;2004年

7 孙涛;特征提取技术研究及其在人脸识别中的应用[D];中南大学;2007年

8 王超;特征提取技术在人脸识别中的研究与应用[D];江南大学;2009年

9 何德雨;直升机传动链关键部件故障特征提取技术研究[D];国防科学技术大学;2012年

10 朱红霞;复杂构件内部结构特征提取技术研究[D];中北大学;2010年

  本文关键词：入侵检测中的KPCA算法改进与应用研究，由笔耕文化传播整理发布。

本文编号：317803