基于混沌时间序列预测的主动型入侵防御系统分析-analysis of active intrusion prevention system based on chaotic time series prediction.docx

the accuracy of the classification improved effectively and the learning and testing time reduced, the real-time performance of the system is improved. An Alarm information prediction algorithm based on chaos-SVM is given to optimize the original rule properties and add new rules into the intrusion defense system. The chaotic time series forecasting techniques is applied into intrusion detection based on SVM to improve the system detection rate. It is hopeful to recognize many attack variants and new attack packets.In short, studying the chaotic time series analysis and forecasting theory thoroughly and systematically, the chaotic time series forecasting techniques is applied to intrusion defense system successfully. With the detection and real-time performance improved, the system achieves pre-action response and active defense functions.Keywords: correlation dimension, phase space reconstruction, intrinsic values decomposition, principal component analysis, self-adjusting weighted feature selection, active defense目录第一章 绪论 11.1 问题提出11.2 混沌时序分析方法的研究发展现状11.3 网络流量监测技术31.4 网络入侵防御技术41.4.1 网络入侵检测的研究发展现状41.5 研究的主要问题和全文安排61.5.1 研究的主要问题61.5.2 全文安排7第二章 混沌时序分析与重构相空间92.1 关联维数92.1.1 关联维数92.1.2 计算关联维数102.1.3 关联维数算法的误差估计132.1.4噪声和混沌的关联维数172.2 时间序列混沌特性的检验182.2.1 替代数据法182.2.2 不同分布的随机数对判值的影响212.3 重构相空间232.4 重构相空间的本征值分解技术252.4.1 本征值分解理论262.4.2 嵌入空间向量矩阵的本征值分值272.4.3 本征向量基坐标选取的改进算法292.4.4 最小嵌入空间的标准正交基底312.5 多变量混沌时序重构相空间352.5.1 多变量混沌时序重构相空间352.5.2 嵌入参数的选取352.6 本章小结37第三章 基于混沌时间序列的网络流量预测39Lyapunov 指数的计算 39Lyapunov 指数 39Lyapunov 指数的轨线计算方法 40Lyapunov 指数的矩阵计算方法 433.2 非线性预报技术473.2.1 非线性预报算法473.2.2 非线性预报结合替代数据方法483.3 多变量混沌时序的预测方法493.3.1 局部平均预测法493.3.2局部线性预测法493.3.3局部多项式预测法513.4 降维523.4.1 主成分分析523.4.2 多变量混沌时序降维改进算法543.5仿真实验563.6 考虑混沌特性的网络流量预测573.6.1 网络流量的特性583.6.2 网络流量预测模型583.7 本章小结63 第四章 基于混沌时序预测的主动型入侵防御系统64 4.1 支持向量机644.1.1 支持向量机分类理论644.1.2 常用核函数674.1.3 支持向量机算法684.2 支持向量机回归预测704.3 基于支持向量机的异常网络流量检测714.3.1 异常检测的特征选择714.3.2 基于支持向量机的异常网络流量检测 724.4 基于混沌-支持向量机的网络流量预测734.4.1 混沌网络流量预测性能改进的探讨734.4.2 基