网络入侵检测中器学习方法的应用研究.pdfVIP

摘要 摘要 随着各行各业所面临的网络安全问题越来越复杂，对入侵检测的研究虽已延 续多年，但如今仍然是网络安全领域中最具有活力的研究方向之一。本文以国家 重点项目为依托，针对基于机器学习方法的网络入侵检测或网络异常检测技术进 行了全面，深入地理论分析，并针对入侵检测技术领域中资源消耗大这一关键问 题，创新地提出了一种基于特征压缩和分支剪裁的直推式网络异常检测方法，所 有的理论方法均在世界著名的KDD CUP99公用数据集进行了充分的实验和对比 分析，从而使实验结果更具有可比性，为实际的入侵检测系统提供了有利的理论 依据。本文的研究工作的主要内容有： 一、研究了基于BP、SOM、C．SVM和近邻法的网络入侵检测方法和基于 SOM、OC．SVM的网络异常检测方法，并进行了仿真实验。仿真结果表明，基于 BP神经网络的网络入侵检测方法具有较高的检测率，而基于C．SVM的网络入侵 检测方法具有较低的误报率；相对于基于OC．SVM的网络异常检测方法来说，基 于SOM神经网络的网络异常检测方法具有较好的检测效果。近邻法中，压缩近 邻法是五种近邻法中最具有优良特性的