基于混沌时间序列和SVM的入侵检测系统研究-信息与通信工程;通信与信息系统专业论文.docxVIP

独创性声明 11111111111111111111111111111111111111111111111111 Y1874698 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的 研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表 现撰写过的研究成果，也不包含为获得天津大学或其他教育机构的学位或证 书而使用过的材料。与我一间工作的同志对本研究所做的任何贡献均已在论文中 作了明确的说明并表示了谢意。 ‘ 学位论文作者签名:飞今本签字阳岛 10 年 d 月问 学位论文版权使用授权书 本学位论文作者完全了解天津大学有关保留、使用学位论文的规定。 特授权天津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，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借|泪。同意学校 向国家有关部门或机构送交论文的复印件和磁盘。 (保密的学位论文在解密后适用本授权说明) ，学位论文作者签名:飞今抹 ，学位论文作者签名:飞今抹 导师签名: fì.!陆b /ν... 今 签字问期:之。 (0 年 6 月 f 之日 签字日期:立。 (0 年 6 月/之日 』胁 \ ‘ 摘要 针对目前愈加频繁出现的分布式、多目标、多阶段的组合式网络攻击事件， 以及 F一代互联网可能会出现的未知安全问题，提高入侵检测系统的检出效率和 智能化势在必行。 本文系统研究了梅沌时间序列分析的慕本理论和…般方法，提出了应用泪沌 时间序列分析方泄来进行报警信息混沌时间序列顶测，把泪沌技术成功地应用到 ，通过预测新的特征量来识别问一种攻击方法的许多变种以及全新攻击包。 1 入侵检测系统，实现了对特征库中各特征最根据报警信息时间序列的预测进行优 化和更新，不仅提高了入侵检测系统对已有特征量对应攻巾的识别效率，还可以 本文深入研究了文捋向最机理论及其所用，提出了一个支持向盘机分类器， 实现了支持向最机的两类分类和多类分类，并将该分类器用于入侵检测，建立了 基于支持向最机的入侵检测模型。结合网络流量异常检测的特点，讨论了异常检 测的特征选择问题，提出了网络流量的对称性、协议分布、异常报文统计以及包 长度统计变震等具有代表性的特征参数:描述了数据的预处理方法。实验结果表 明，基于支持向最机的网络异常检测方法不仅可以有效地检测各种高强度的扫描 行为，同时误报警率较低。 本文详细研究了特征分析理论，提出了一种新的基于自适应特征加权的特征 选择方法，井将其用于入侵特征的提取，将!属性选择技术和 SVM 分类有机地结合， 有效地降低了算泌的时间复杂度和空间复杂度，改变了以往参数试值的局面。实 验结果表明，分类精度高了明显提高，问时，训练时间明显改善，测试时间也有 效减少，使模型具有迅速响应的能力，有效提高了入侵检测系统的准确性和实时 性。 关键词:入侵检测、相空间重构、关联维数、支持向最机、核的数、 特征选择 w ‘ A Abstract In view Of the unknown security issues which the next generation intemet may encounter，as well as the increasingly 企叫uent distributed，multi-Objective，multi-stage netwOrk attacks con仕onting us nOwadays，放is imperative to enhance the detection efficiency and intelligence OfIntrusiOn DetectiOn System. 、 With the develOpment Of chaOs theoηand research On its application ，nonlinear time series analysis has becO me a majOr research hOtspOt O f nOnlinear infOr应latiOn prOcessing，and has been widely applied tO interrelated engine町ing regiOn. Studing the basic tbωries and general methods Of chaotic time series analysis de叩lyand systematicall弘 the methOd Of chaOtic time series analysis is prOpOsed tO pr创ict alenn infOnnatiOn， by which the chaOs technO