基于机器学习算法的网络入侵检测系统
来源:56doc.com 资料编号:5D23764 资料等级:★★★★★ %E8%B5%84%E6%96%99%E7%BC%96%E5%8F%B7%EF%BC%9A5D23764
资料以网页介绍的为准,下载后不会有水印.资料仅供学习参考之用. 密 保 惠 帮助
资料介绍
基于机器学习算法的网络入侵检测系统(中文8000字,英文PDF)
摘要
网络和系统安全性在当前的数据通信环境中至关重要。黑客和入侵者可以创建许多成功的尝试,通过未经授权的入侵导致网络和Web服务崩溃。防御这些威胁的新威胁和相关解决方案与安全系统的发展一起出现。入侵检测系统(IDS)是这些解决方案之一。入侵检测系统的主要功能是保护资源免受威胁。它分析和预测用户的行为,然后这些行为将被视为攻击或正常行为。我们使用粗糙集理论(RST)和支持向量机(SVM)来检测网络入侵。首先,从网络捕获数据包,RST用于预处理数据并减小维度。 RST选择的功能将分别发送到SVM模型进行学习和测试。该方法有效地降低了数据的空间密度。实验将结果与主成分分析(PCA)进行比较,结果表明RST和SVM模式可以降低误报率并提高准确率。
关键词:入侵检测系统, 粗糙集理论, 支持向量机, 主成分分析
|