非可信環(huán)境下的支持向量機研究.pdf

1、支持向量機等人工智能算法具有適用范圍廣、識別準(zhǔn)確率高等優(yōu)點,因此被廣泛應(yīng)用于垃圾郵件過濾、入侵檢測、惡意代碼識別等網(wǎng)絡(luò)安全應(yīng)用中。同時,它們也具有明顯的局限性。由于智能算法大多基于“內(nèi)容”的方法建立樣本,這使得系統(tǒng)在不可信的環(huán)境下很容易受到攻擊。攻擊者可以向訓(xùn)練樣本中注入有毒樣本,從而降低系統(tǒng)識別的正確率;攻擊者也可以偽裝惡意樣本,從而躲過智能系統(tǒng)的識別。課題以提高支持向量機對“注入攻擊”和“偽裝攻擊”攻擊的抵御能力,建立非可信環(huán)境下的

2、智能系統(tǒng)為目標(biāo),從魯棒的支持向量機變型算法和攻擊支持向量機策略分析兩個角度展開研究。在前人的基礎(chǔ)上,主要做了以下工作并獲得了一些成果:
　　 1.分析了攻擊者“注入攻擊”的最優(yōu)算法,提出了一種基于貪婪法的連續(xù)攻擊策略。另一方面,提出了抵抗“注入攻擊”的自濾式支持向量機變型。變型算法被規(guī)約成半正定規(guī)劃的凸優(yōu)化形式。實驗表明,新算法能有效檢測并濾除注入的有毒樣本,提高了對正常樣本的識別準(zhǔn)確率。
　　 2.提出了兩種抵抗“偽裝