基于免疫算法和增量支持向量機(jī)的入侵檢測研究.pdf

1、入侵檢測是一種用于檢測計算機(jī)網(wǎng)絡(luò)系統(tǒng)中入侵行為的網(wǎng)絡(luò)信息安全技術(shù)，目前已成為網(wǎng)絡(luò)安全領(lǐng)域中的重要研究方向之一。以機(jī)器學(xué)習(xí)為基礎(chǔ)的異常檢測技術(shù)，通過對樣本的學(xué)習(xí)分析檢測已知甚至未知攻擊，漸漸成為入侵檢測主要研究的方向。但傳統(tǒng)機(jī)器學(xué)習(xí)的入侵檢測存在誤報、漏報及實時性差等缺點，且無法適應(yīng)數(shù)據(jù)量增大的趨勢，使機(jī)器學(xué)習(xí)時間越來越長。 本文側(cè)重于研究基于支持向量機(jī)的入侵檢測系統(tǒng)中需要解決的兩方面問題，一是入侵檢測評估樣本集KDDCup99的

2、關(guān)鍵特征的選擇；二是解決入侵?jǐn)?shù)據(jù)增多，導(dǎo)致支持向量機(jī)訓(xùn)練時間過長問題。 在KDDCup99關(guān)鍵特征的選擇方面，提出了一種基于免疫算法的特征選擇方法。免疫算法(IA)作為一種新的全局優(yōu)化搜索算法，在算法實現(xiàn)上兼顧全局搜索和局部搜索，吸取了遺傳算法(GA)并行搜索優(yōu)點，使得算法快速收斂，同時保持一定的多樣性，抑制了早熟現(xiàn)象，加快搜索到最優(yōu)特征子集的速度。對KDDCup99數(shù)據(jù)集進(jìn)行大量實驗結(jié)果表明，免疫算法能有效降低樣本特征維數(shù)且訓(xùn)

3、練預(yù)測精度得到提高，與基于遺傳算法特征選擇的結(jié)果相比較，在有限代數(shù)內(nèi)，該算法能收斂到更優(yōu)的特征子集，從而驗證了算法的有效性和潛力。 在解決訓(xùn)練時間過長方面，提出增量學(xué)習(xí)方法。現(xiàn)有標(biāo)準(zhǔn)增量支持向量機(jī)(SISVM)算法雖然有效解決訓(xùn)練時間過長問題，但其過多的丟失對分類有用的樣本，導(dǎo)致訓(xùn)練得到的模型分類精度下降。因此本文提出新的改進(jìn)增量支持向量機(jī)算法(RISVM)，該算法提出概率最大樣本、鄰近樣本的概念，目的是有選擇的增加有用的樣本，