| 【中文题名】 | 基于粗糙集与神经网络的入侵检测技术研究 |
| 【英文题名】 | Study on Intrusion Detection Technique Based on Rough Sets and Neural Networks |
| 【学科专业】 | 无线电物理 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-8-20 |
| 【中关键词】 | 粗糙集,神经网络,入侵检测,,, |
| 【英关键词】 | rough sets,neural network,intrusion detection, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>计算机的应用>计算机网络>一般性问题 |
| 【论文摘要】 |
随着互联网的广泛应用，网络入侵和攻击增长很快，致使计算机网络安全问题越来越严重。入侵检测作为一种动态安全防御技术是识别网络攻击的主要手段，虽然现有的入侵检测系统可以检测到大多数对网络的攻击，但伴随着网络流量的激增使其审计数据也以同样的速度增长。为了能够从大量的审计数据中提取出具有代表性的特征属性，构建一个高效的智能入侵检测系统，本文创造性地采用了基于粗糙集理论的数据挖掘方法与神经网络结合来构建这种入侵检测系统，充分利用粗糙集作为一种新的数学工具对于未知的不完善数据集具有较强的知识挖掘能力以及神经网络所具有的自学习能力、记忆能力和对未知数据的检测能力。
本文将粗糙集理论应用到KDDCUP’99数据集中对入侵进行检测的同时把KDDCUP’99数据集约简后的属性集作为神经网络的输入，仿真实验证明了基于粗糙集理论的入侵检测方法在检测率和虚警率较其它入侵检测方法有较大提高，当训练数据集占总体数据20％以上时最小检测率、最大虚警率分别达98.80％、0.77％，并解决了长期以来单独基于神经网络的入侵检测系统中输入属性选择困难的问题。基于神经网络的入侵识别实验证明，当训练网络中各种攻击类型数据的数量和比例... |
| 【论文题纲】 |
|
论文摘要(中文) |
4-5 |
|
Abstract |
5-7 |
|
1 引言 |
7-8 |
|
2 入侵检测技术概述 |
8-11 |
|
2.1 入侵检测技术分类 |
9-10 |
|
2.2 入侵检测模型 |
10-11 |
|
3 粗糙集理论 |
11-17 |
|
3.1 粗糙集的产生与发展 |
11-12 |
|
3.2 粗糙集的理论基础 |
12-14 |
|
3.3 知识的简化及核 |
14-16 |
|
3.4 知识表达系统 |
16-17 |
|
4 粗糙集在入侵检测中的应用 |
17-26 |
|
4.1 数据的预处理 |
18-22 |
|
4.1.1 数据的选取及数据间的关系 |
19-21 |
|
4.1.2 数据的离散化 |
21-22 |
|
4.2 属性约简 |
22-23 |
|
4.3 决策规则的生成 |
23 |
|
4.4 数据的分类 |
23 |
|
4.5 数据分析 |
23-26 |
|
5 基于粗糙集与神经网络的入侵识别系统 |
26-37 |
|
5.1 神经网络基础 |
27-29 |
|
5.2 基于粗糙集与神经网络的智能入侵检测模型 |
29-37 |
|
5.2.1 神经网络的设计 |
31-32 |
|
5.2.2 神经网络的训练 |
32-34 |
|
5.2.3 神经网络数据分析 |
34-36 |
|
5.2.4 对未知攻击类型的实验 |
36-37 |
|
6 结论 |
37-38 |
|
参考文献 |
38-41 |
|
附表 |
41-42 |
|
| 【DOI】 | LunWen.ID:2.2008.388824 |
