基于网络流量特征图谱的卷积神经网络入侵检测模型研究

发布时间：2023-11-10 19:49

　　随着互联网的发展,网络安全问题日益严峻,如何高效检测网络攻击行为需求日益紧迫。因此,入侵检测技术应运而生。将传统的机器学习方法应用于入侵检测系统一直是研究者们研究的方向。但是,机器学习方法有很强的特征依赖性,这对研究者们又提出了一个新的难题。近年来,深度学习的兴起为网络入侵检测提供了新的方向。因此本文在卷积神经网络(Convolutional Neural Networks,CNN)入侵检测系统研究的基础上,提出了基于特征图谱算法的卷积神经网络入侵检测模型。论文主要的工作与创新有如下四点:1、论文阐述了深度学习和入侵检测系统相关的概念和国内外研究现状;讨论了深度学习和入侵检测系统结合应用和传统入侵检测模型相比的优势;分析了深度学习中卷积神经网络应用于入侵检测系统如何解决的现有入侵检测系统泛化能力不强、训练过慢等问题。2、论文介绍了基于卷积神经网络入侵检测系统的设计架构。研究了NSL-KDD数据集,并对其进行归一化、标准化处理。提出了基于特征图的卷积神经网络入侵检测模型,并做了随机森林(Random Forest,RF)、支持向量机(Support Vector Machine,SVM)...

【文章页数】：57 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
    1.2 研究问题的提出
    1.3 深度学习与入侵检测
        1.3.1 深度学习概述与分类
        1.3.2 入侵检测概述与分类
    1.4 国内外入侵检测研究现状
    1.5 文章组织架构
        1.5.1 研究内容
        1.5.2 内容框架
第2章 基于卷积神经网络入侵检测模型的研究
    2.1 基于卷积神经网络IDS模型架构
    2.2 NSL-KDD数据集研究
        2.2.1 数据集介绍
        2.2.2 数据集预处理
    2.3 卷积神经网络入侵检测模型设计
        2.3.1 卷积神经网络设计
        2.3.2 卷积神经网络入侵检测模型设计
    2.4 实验对比与分析
    2.5 本章小结
第3章 基于特征图谱算法的卷积神经网络入侵检测模型研究
    3.1 基于特征图谱算法的卷积神经网络卷积神经网络IDS模型架构
    3.2 特征图谱获得模块实现
        3.2.1 SWCC权重矩阵算法实现
        3.2.2 FWM权重矩阵算法实现
        3.2.3 特征图谱获取
    3.3 入侵检测模型性能指标
    3.4 数据集均衡采集模型
        3.4.1 数据集均衡采集模型设计
        3.4.2 实验对比
    3.5 SWCC-CNN,FWM-CNN模型设计
    3.6 实验研究与对比
        3.6.1 SWCC-CNN、FWM-CNN模型参数研究实验
        3.6.2 SWCC-CNN、FWM-CNN模型性能对比实验
    3.7 本章小结
第4章 系统验证平台实现
    4.1 平台功能需求分析
    4.2 系统平台搭建
        4.2.1 模块功能详细介绍
        4.2.2 验证平台设计方案
    4.3 平台验证实验步骤
    4.4 模型验证试验对比
    4.5 本章小结
第5章 结束语
    5.1 论文总结
    5.2 未来展望
致谢
参考文献
附录



本文编号：3862199