智能设备网络入侵监测研究

发布时间：2021-10-30 16:49

　　当前,随着智能设备在人们工作和生活中的普及,极大程度的给人们提供了方便。但同时,智能设备网络仍存在很多的安全问题,容易给社会或个人造成巨大损失。如何保证在智能设备网络环境下信息传输的可靠性和保密性,防止信息泄露,是当前研究的重点。传统的防火墙等网络防护技术已经难以满足智能设备网络需求。为了能够提前发现入侵行为,在入侵行为对系统环境和数据库造成破坏前进行防御,入侵检测技术应运而生并成为保护网络安全最重要的一道屏障。机器学习技术是采用计算机对海量数据进行处理,模拟人的学习行为对数据进行学习分析,并在学习的过程中不断对自身进行优化完善。将机器学习技术应用于入侵检测系统,是从数据的角度出发对海量数据进行挖掘,以提高整个系统的检测性能,减少整个系统的差错率。将机器学习技术作为对海量数据进行处理的手段引入入侵检测系统是一个全新的研究方向。本文以基于机器学习方法的入侵检测技术研究为核心,首先对机器学习技术和入侵检测技术进行了研究,探讨了将机器学习技术应用在入侵检测技术中的可行性和必要性。在此基础上,重点研究了机器学习中的决策树算法和随机森林算法,结合智能设备网络特点提出了 margin最优化修剪算法... 

【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

图２－４状态转换技术中状态转换图??

图２－５?ＩＤＩＯＴ系统??Ｆｉｕｒｅ２－５?Ｉｎｔｒｕｓｉｏｎ?Ｄｅｔｅｃｔｉｏｎ?Ｉｎ?Ｏｕｒ?Ｔｉｍｅ?Ｓｓｔｅｍ??

?ＳＹＮ＋ＡＣＫ?ＳＹＮ??图２－５?ＩＤＩＯＴ系统??Ｆｉｇｕｒｅ２－５?Ｉｎｔｒｕｓｉｏｎ?Ｄｅｔｅｃｔｉｏｎ?Ｉｎ?Ｏｕｒ?Ｔｉｍｅ?Ｓｙｓｔｅｍ?

【参考文献】：
期刊论文
[1]物联网安全问题分析研究[J]. 王小龙.  信息通信. 2016(10)
[2]云计算环境下海量数据中入侵检测挖掘模型[J]. 刘增锁.  计算机仿真. 2015(06)
[3]深度学习研究综述[J]. 尹宝才,王文通,王立春.  北京工业大学学报. 2015(01)
[4]基于复合免疫算法的入侵检测系统[J]. 冯翔,马美怡,赵天玲,虞慧群.  计算机科学. 2014(12)
[5]面向入侵检测系统的模式匹配算法研究[J]. 姜庆民,吴宁,刘伟华.  西安交通大学学报. 2009(02)
[6]基于专家系统的入侵检测技术[J]. 杨慧.  中国科技信息. 2008(15)
[7]基于机器学习的入侵检测技术概述[J]. 张义荣,肖顺平,鲜明,王国玉.  计算机工程与应用. 2006(02)
[8]基于遗传神经网络的入侵检测模型[J]. 刘道群,孙庆和.  激光杂志. 2005(06)
[9]高效的模式匹配算法研究[J]. 田俊峰,黄建才,杜瑞忠,翟建强.  通信学报. 2004(01)
[10]对BM串匹配算法的一个改进[J]. 贺龙涛,方滨兴,胡铭曾.  计算机应用. 2003(03)

硕士论文
[1]基于统计特征的网络入侵检测技术研究[D]. 宋恺珉.南京邮电大学 2015
[2]物联网行业发展分析[D]. 关勇.北京邮电大学 2010
[3]关联规则挖掘算法的研究及其在网络入侵检测中的应用[D]. 商志会.同济大学 2006
[4]免疫原理在入侵检测系统中的应用研究[D]. 吴知.电子科技大学 2005



本文编号：3467079