基于混合分類模型的入侵檢測技術研究.pdf

1、隨著計算機網(wǎng)絡的普及，網(wǎng)絡安全受到更多的關注，入侵檢測系統(tǒng)是一種主動防御系統(tǒng)，它為網(wǎng)絡安全提供了一道有力的防線。隨著攻擊方式的日趨多樣，越來越多的智能技術被引入入侵檢測系統(tǒng)，尤其是機器學習技術的發(fā)展，給入侵檢測方法的改進帶來了新的思路。半監(jiān)督學習是目前機器學習的研究熱點，但它在入侵檢測系統(tǒng)中的應用研究還不廣泛。
　　本文對目前所采用的入侵檢測技術和半監(jiān)督學習中的各種方法進行了研究和分析，將半監(jiān)督分類技術應用至入侵檢測系統(tǒng)中。論文首

2、先系統(tǒng)介紹了當前入侵檢測的研究現(xiàn)狀，總結(jié)了當前入侵檢測中存在的問題及局限，并展望了今后的發(fā)展趨勢。然后回顧了半監(jiān)督學習的背景和相關技術，詳細介紹了樸素貝葉斯、BP神經(jīng)網(wǎng)絡和支持向量機三種分類方法。鑒于當前的半監(jiān)督學習多以單分類器為主，而集成的多分類器又具有一些前者無法比擬的優(yōu)勢，本文總結(jié)了集成學習的理論基礎，提出一種基于半監(jiān)督分類的混合分類模型——NBS（NeuralNetwork+Bayes+SupportVectorMachine）