数据挖掘中贝叶斯算法在入侵检测中的应用

发布时间：2021-07-23 06:17

　　伴随着社会的发展、人类文明的进步，网络的发展也是空前绝后的，可以说今天人类社会的发展是离不开网络的。由于Internet的不断发展，导致网络上需要处理的信息量的增加速度是人们难以想象的，网络就像一把双刃剑，在给人们带来利益和方便的同时，也带来了不少负面的影响，网络上的攻击和破坏也是逐年增多。当前网络攻击日益趋向复杂化和智能化，那么，传统的网络安全防御技术（如防火墙、访问权限控制等）手段已显得难以应对。作为保障网络安全的主流技术手段——入侵检测技术（IDS）就变得备受关注。经过多年的发展，该技术领域已经日趋成熟，将数据挖掘中技术应用到入侵检测领域已经成为保障网络安全的研究热点。但是，由于入侵手段的不断发展以及入侵审计数据信息量不断增大，使得传统的经典数据挖掘分类技术在网络入侵检测的应用中已经显得捉襟见肘，无法保证入侵检测系统的检测率、实时性的要求。本文在分析了传统的朴素贝叶斯分类基础上，提出一种改进的贝叶斯分类算法和基于传统贝叶斯分类的入侵检测系统的改进模型，旨在改进传统贝叶斯分类入侵检测系统模型在检测率、检测时间上不足的问题。在此之后，提出了一种基于粗糙集理论依赖度的属性简约方法，以达... 

【文章来源】：兰州交通大学甘肃省

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 前言
    1.2 选题的背景和研究意义
    1.3 论文的主要工作
    1.4 论文的结构安排
2 数据挖掘和入侵检测技术
    2.1 数据挖掘概述
    2.2 数据挖掘的步骤
    2.3 数据挖掘的主要算法
    2.4 入侵检测技术
        2.4.1 入侵检测技术概述
        2.4.2 入侵检测系统的主要类型
    2.5 入侵检测技术的发展方向
    2.6 贝叶斯分类的入侵检测技术的应用研究
    2.7 本章小结
3 贝叶斯分类原理研究
    3.1 引言
    3.2 贝叶斯分类理论
        3.2.1 贝叶斯分类的一般原理
        3.2.2 朴素贝叶斯分类
    3.3 朴素贝叶斯算法的改进
    3.4 入侵检测中贝叶斯分类系统的建立
        3.4.1 训练过程
        3.4.2 检测过程
    3.5 朴素贝叶斯分类在入侵检测应用中的优缺点
    3.6 本章小结
4 基于粗糙集理论属性简约方法研究
    4.1 引言
    4.2 属性选择的论述
    4.3 属性的评价标准
    4.4 属性选择方法介绍
        4.4.1 Relief 方法
        4.4.2 信息熵的属性选择方法
    4.5 粗糙集合理论概述
    4.6 粗糙集合相关定义
    4.7 基于粗糙集合理论的区分矩阵方法求解属性简约
    4.8 基于属性依赖度方法求解属性简约
    4.9 本章小结
5 基于改进贝叶斯入侵检测模型实验的建立
    5.1 实验环境、平台以及数据集介绍
        5.1.1 测试平台—WEKA 软件
        5.1.2 实验数据介绍
    5.2 对改进后的贝叶斯分类算法建立实验
    5.3 对改进后的贝叶斯入侵检测系统建立实验
    5.4 基于依赖度属性选择方法在实际中的应用
    5.5 本章小结
6 总结与展望
    6.1 全文总结
    6.2 工作展望
致谢
参考文献
攻读学位期间的研究成果


【参考文献】：
期刊论文
[1]基于IPV6网络安全的入侵检测技术探析[J]. 李泓达.  科技致富向导. 2013(03)
[2]数据挖掘技术在网络入侵检测中的应用[J]. 常滨.  科技致富向导. 2013(03)
[3]入侵检测技术的研究与发展[J]. 李金凤,杨文君.  黑龙江科技信息. 2012(35)
[4]贝叶斯分类算法在入侵检测中的应用研究[J]. 高亮.  科技信息. 2012(32)
[5]基于误用检测与异常行为检测的整合模型[J]. 谢红,刘人杰,陈纯锴.  重庆邮电大学学报(自然科学版). 2012(01)
[6]KICA与Relief算法相结合的人脸识别研究[J]. 李秀丽,董吉文,吴瑞海.  山东科学. 2011(05)
[7]一种改进的决策树分类属性选择方法[J]. 王苗,柴瑞敏.  计算机工程与应用. 2010(08)
[8]基于数据仓库的数据挖掘技术研究现状与进展[J]. 朱玉颖,刘宏伟,张岩.  信息化纵横. 2009(06)
[9]Relief算法在关门车故障自动识别中的应用[J]. 赖冰凌,王新宇.  铁路计算机应用. 2007(01)
[10]改进贝叶斯分类算法在入侵检测中的研究[J]. 张铮,高志森,李俊.  计算机技术与发展. 2007(01)

硕士论文
[1]数据挖掘在某联通公司客户关系管理中的应用[D]. 王冠军.合肥工业大学 2012
[2]情绪图片视觉诱发EEG特征提取与分析[D]. 曾红梅.天津大学 2012
[3]稀有类分类算法在入侵检测中的应用[D]. 谷振亚.太原理工大学 2010
[4]基于社保系统平台的双向转诊管理信息系统设计[D]. 衣小静.东北林业大学 2010
[5]基于数据挖掘的Snort系统改进模型的研究[D]. 康立锦.西安理工大学 2009
[6]数据挖掘中基于统计相关的属性选择研究[D]. 曾德志.西南财经大学 2009
[7]贝叶斯分类及其在入侵检测中的应用研究[D]. 钟慰.中南林业科技大学 2008
[8]基于朴素贝叶斯和One-R的入侵检测问题研究[D]. 王翔.合肥工业大学 2008
[9]基于粗糙集的数据挖掘技术研究[D]. 刘菲斐.辽宁师范大学 2007
[10]基于遗传神经网络的入侵检测研究[D]. 李阳.中南林业科技大学 2007



本文编号：3298775