基于混合分类模型的入侵检测技术研究计算机应用技术专业论文.docxVIP

承诺书 本人声明所呈交的硕士学位论文是本人在导师指导下进行的研究 工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文 中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京航 空航天大学或其他教育机构的学位或证书而使用过的材料。 本人授权南京航空航天大学可以将学位论文的全部或部分内容编 入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、 汇编学位论文。 (保密的学位论文在解密后适用本承诺书) 作者签名： 日 期： 南京航空航天大学硕士学位论文 南京航空航天大学硕士学位论文 一种混合分类模型在入侵检测中的研究 一种混合分类模型在入侵检测中的研究 I I PAGE PAGE IV 摘 要 随着计算机网络的普及，网络安全受到更多的关注，入侵检测系统是一种主动防御系 统，它为网络安全提供了一道有力的防线。随着攻击方式的日趋多样，越来越多的智能技术 被引入入侵检测系统，尤其是机器学习技术的发展，给入侵检测方法的改进带来了新的思路。 半监督学习是目前机器学习的研究热点，但它在入侵检测系统中的应用研究还不广泛。 本文对目前所采用的入侵检测技术和半监督学习中的各种方法进行了研究和分析，将半 监督分类技术应用至入侵检测系统中。论文首先系统介绍了当前入侵检测的研究现状，总结 了当前入侵检测中存在的问题及局限，并展望了今后的发展趋势。然后回顾了半监督学习的 背景和相关技术，详细介绍了朴素贝叶斯、BP 神经网络和支持向量机三种分类方法。鉴于 当前的半监督学习多以单分类器为主，而集成的多分类器又具有一些前者无法比拟的优势， 本文总结了集成学习的理论基础，提出一种基于半监督分类的混合分类模型——NBS （Neural Network + Bayes + Support Vector Machine），并对 BP 神经网络和朴素贝叶斯分类算 法进行了改进。 最后利用 KDD Cup99 数据集中的数据对改进的算法和 NBS 模型进行了仿真实验，实验 将检测率和误报率作为评估算法性能的标准。结果表明 NBS 模型具有较好的检测性能，对 真实环境也有较高的应用价值。 关键词：入侵检测，机器学习，半监督学习，贝叶斯分类，神经网络，支持向量机。 ABSTRACT With the popularity of computer networks, the network security receive more attention, IDS(Intrusion Detection System) is an active defense system as the line of network defense. As network attack mode being diversity, more and more intelligent technology is utilized in intrusion detection system, particularly the machine learning technology development bring new mentality for the intrusion detection method improvement. Semi - supervised learning is the hotspot of machine learning but its application in IDS is still very rare. This paper carries on the analysis and research to present intrusion detection system and variety of methods based on semi-supervised learning, applies semi - supervised classification techniques to intrusion detection. First, it introduces the current status of intrusion detection systematically, sums up the problems and limitations existing in the current intrusion detection, and looking forward to the future trends. Then, it reviewed the background of semi-supervised learning and related technologies, and a