基于BiRNN-SVM的入侵检测算法研究

发布时间：2023-02-12 14:32

　　人们的日常工作生活日益依赖于网络,网络安全同时越来越受重视。入侵检测系统能够有效检测阻止异常行为,保障网络用户不受恶意软件威胁,但目前入侵检测系统存在检测率低以及误报率高的问题。针对目前入侵检测系统的不足,本文开展入侵检测算法的研究。BiRNN一般采用SoftMax分类器,能够拟合具有时序的网络流量,但是由于所有数据参与训练的权重相同,容易陷入过拟合状态。SVM算法能够结合支持向量的经验风险和结构风险,避免过拟合状态,但是算法提取特征比BiRNN差,因此容易陷入欠拟合状态。针对BiRNN及SVM算法的不足,结合两者优点本文提出一种基于BiRNN-SVM入侵检测算法,研究网络流量数据,识别异常网络行为。其中BiRNN单个结构采用RNN算法中经典的LSTM结构,SVM算法用神经网络的形式表现,用随机梯度下降法优化的线性SVM。BiRNN-SVM算法,由正向LSTM和反向LSTM组成,以SVM算法的折页损失为优化目标,以随机梯度下降(SGD)优化器优化。实验数据方面,将使用CIDDS-001数据集,在该数据集中采取IP2Vec技术表征部分文本型数据,以不使用IP2Vec技术的数据处理方案对比...

【文章页数】：80 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 创新点及研究内容
    1.4 论文主要内容和结构
第2章 入侵检测系统
    2.1 IDS概述
    2.2 IDS分类
    2.3 本章小结
第3章 双向循环神经网络
    3.1 概述
    3.2 BiRNN算法
    3.3 SoftMax
    3.4 本章小结
第4章 支持向量机
    4.1 概述
    4.2 支持向量机算法
    4.3 本章小结
第5章 BiRNN-SVM算法
    5.1 概述
    5.2 算法设计
    5.3 本章小结
第6章 实验仿真和结果
    6.1 结构设计
    6.2 数据处理
    6.3 实验环境
    6.4 实验仿真
    6.5 评价指标
    6.6 实验结果
    6.7 结果分析
    6.8 本章小结
第7章 总结与展望
    7.1 论文工作总结
    7.2 下一步工作展望
致谢
参考文献
个人简介



本文编号：3741278