基于群体智能算法的入侵检测研究

发布时间：2023-10-06 17:00

　　现如今,网络飞速发展,网络在给人们带来便利的同时,也带来了经济、政治等方面的威胁,保护网络安全成为人们日趋关注的重要点,入侵检测系统作为动态防御系统,在保护网络安全中有着重要意义。本文研究大量的文献资料,对入侵检测、入侵检测系统的概念,特点,分类等方面进行简单的介绍。通过分析入侵检测系统的特点,针对现有入侵检测对未知的入侵类型检测效率低、系统误报率高的不足,提出一种基于群体智能的入侵检测模型。群体智能利用种群优势,为寻优问题提供了新的研究方向。本文主要研究粒子群优化算法,根据标准粒子群优化算法易陷入局部极值点的不足,将高斯变异引入到粒子群优化算法中,高斯变异能有效的使粒子跳出局部最优点,增加了种群多样性,使粒子有可能搜索到全局最优解。根据模糊C-均值聚类算法易陷入局部最优值、检测结果过分依赖初始聚类中心等不足,将改进后的算法与模糊C-均值聚类算法这种无监督入侵检测算法相结合。凭借粒子群算法良好的全局搜索能力,能获得更优的聚类中心,使得聚类质量有所提高。采用KDD CUP 99数据集为本文的实验数据,用10%数据集作为本文算法的训练数据,用corrected数据集为测试数据,实验表明:G...

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究的目的和意义
    1.2 入侵检测系统的发展史
    1.3 国内外发展现状
    1.4 论文的结构
第2章 网络安全与入侵检测
    2.1 网络安全
        2.1.1 网络安全现状
        2.1.2 网络安全的基本特征
        2.1.3 传统的防御措施存在的问题
    2.2 入侵检测
        2.2.1 入侵检测的定义
        2.2.2 入侵检测系统
    2.3 入侵检测系统的分类
        2.3.1 按数据源分类
        2.3.2 按技术分类
        2.3.3 按工作方式分类
        2.3.4 按体系结构分类
        2.3.5 按响应方式分类
    2.4 存在的问题
    2.5 新型入侵检测技术的研究
        2.5.1 神经网络
        2.5.2 遗传算法
        2.5.3 免疫技术
        2.5.4 数据挖掘
    2.6 小结
第3章 群体智能算法
    3.1 群体智能
    3.2 遗传算法
    3.3 粒子群优化算法
    3.4 小结
第4章 改进的粒子群优化算法
    4.1 基本的粒子群优化算法思想
    4.2 带惯性权重的粒子群优化算法
        4.2.1 全局型标准的粒子群优化算法基本思想
        4.2.2 局部型标准的粒子群优化算法基本思想
        4.2.3 线性惯性权重
    4.3 带变异的粒子群优化算法
        4.3.1 PSO发生“聚集效应”判断机制
        4.3.2 变异算子
        4.3.3 带变异的粒子群优化算法的基本流程
        4.3.4 实验仿真
    4.4 小结
第5章 改进的粒子群优化算法在入侵检测中的应用
    5.1 聚类算法
    5.2 模糊C-均值聚类算法
        5.2.1 模糊C-均值聚类算法基本思想
        5.2.2 模糊C-均值聚类算法的原理
        5.2.3 模糊C-均值聚类算法特点
        5.2.4 基本流程
    5.3 改进的粒子群优化算法与模糊C-均值聚类算法
        5.3.1 PSO与FCM的优势
        5.3.2 算法流程
    5.4 小结
第6章 实验
    6.1 KDD CUP 99数据集
        6.1.1 KDD CUP 99数据集背景
        6.1.2 数据集
    6.2 数据预处理
    6.3 实验与仿真
    6.4 小结
结论
参考文献
致谢



本文编号：3852102