【正文】 ................................................................... 8 入侵檢測技術的進展及發(fā)展趨勢 ........................................................................10 ..................................................................................................................12 支持向量機的基本原理 ......................................................................................12 線性硬間隔分類器 ....................................................................................12 線性軟間隔分類器 ..................................................................................13 非線性硬間隔分類器 ...............................................................................14 支持向量機的優(yōu)勢與不足 ..................................................................................15 支持向量機在入侵檢測領域中的主要優(yōu)勢 ...............................................15 支持向量機在入侵檢測領域中的不足 ......................................................15 小結 ..................................................................................................................16 ...........................................................................................................17 數據預處理 —— 屬性約簡算法 ...........................................................................17 基于和聲搜索算法的支持向量機參數選擇 ..........................................................19 支持向 量機中核函數的選擇 ......................................................................19 和聲搜索算法（ Harmony Search， HS） ....................................................19 基于和聲搜索算法的 SVM 參數優(yōu)化選擇 ................................................21 集成 ........................................................................................................22 小結 ..................................................................................................................22 ...........................................................................................................23 陜西理工學院畢業(yè)論文 數據來源說明 ....................................................................................................23 算法評價標準 ....................................................................................................23 數據預處理 .......................................................................................................23 仿真實驗 ...........................................................................................................24 實驗步驟 ................................................................................................24 實驗結論及分析 .......................................................................................24 實驗結論 ...........................................................................................................27 致 謝 ..........................................................................................................................27 參考文獻 .........................................................................................................................28 1. 緒論 引言 計算機網絡是 上個 世紀的 人類文明的 一項 偉大的 發(fā)明創(chuàng)造，它極大地豐富和方便了 人 們的 生產和 生活，尤其是近幾十年來，計算機網絡技術 日新月異，使得 其應用領域不斷 擴大，并且 越來越來成為人們生活的重要工具和手段，同時人們也必將越來越依賴于計算機來處理和存儲工作中的各種事務。 neighborhood rough set。并用相同的數據進行實驗，得到了良好的效果，即本文算法的入侵檢測率最優(yōu)值達到 %，誤警率到達 % ， 仿真實驗表明。 該方法不需要 將 原數據離散化，這樣就保證了入侵檢測的準確性和原始數據的信息完整性。 統(tǒng)計學習理論 最近興起的最實用的部分是 支持向量機 (SVM)，同時控制經驗風險和分類器的容量（用分類器的VC 維衡量）兩個參數是其核心思想，使分類器間隔達到最大，從而使真實風險最小。 畢 業(yè) 論 文（設 計） 題 目 基于支持向量機的入侵檢測系統(tǒng)與實現 姓 名 端樂凱 學號 1109064004 所在院 (系 ) 數學與計算機科學學院 專業(yè)班級 信息與計算科學 1101 班 指導教師 趙暉 完成地點 陜西理工學院 20xx 年 6 月 6 日陜西理工學院畢業(yè)論文 基于支持向量機的入侵檢測 系統(tǒng)與實現 作者：端樂凱 （陜理工學院數學與計算機科學學院信息與計算科學專業(yè) 1101 班，陜西 漢中 723000） 指導教師：趙暉 [摘要 ]入侵檢測技術是當今一種非常重要也非常有效的動態(tài) 網絡 安全技術，它可與靜態(tài)安全技術如防火墻等 協(xié)同 使用，可以 使 系統(tǒng)的安全防護 能力得到極大的改善 。另外 ， 在小樣本學習的基礎上發(fā)展起來的支持向量機分類器設計方法，專門 針對 小樣本數據， 并且 對數據維數不 敏感，分類精度和泛化能力 極佳 。 其次 在分類中我們又使用了和聲搜索算法進行優(yōu)化。這些算法提高入侵檢測率并同時降低誤警率，具有較強的泛化性能和魯棒性，有 者 較好的實用價值。 harmony search。這樣，網絡安全就不能不成為人們研究的熱點問題。所以，保障信息網絡安全已逐漸成為人們關注的一個焦點問題 [1]?！袄忡R門”事件更陜西理工學院畢業(yè)論文 是 為 我國信息安全保護 形勢 敲響 了 警鐘。因此，用入侵檢測技術這種新的主動網絡安全防御手段，來作為防火墻技術的 補充 ， 與其聯合應用對加強網絡安全有著 十分 重大的意義。 一般有 有 三個組成部分 存在于 入侵檢測系統(tǒng)（ Intrusion Detection System, IDS），它們 分別是探測器、分析器和用戶接口 [2]。本 設計 主要針對支持向量機這一種新型的結構化機器學習方法，將入侵數據進行分類，以嘗試得到優(yōu)于其他諸如聚類分類、遺傳算法等更為理想的結果。這 就 是入侵檢測專家系統(tǒng) (IDES， Intrusion Detection Expert System)， 一種實時 的 入侵檢測系統(tǒng)，成為經典的異常檢測抽象模型。在國際上，洛斯阿拉莫斯國家實驗室、 SRI/CSL 、加州大學戴維斯分校、普渡大學、哥倫比業(yè)大學、新墨西哥大學等 科研 機構在這些方面的研究代表了當前 世界 的最高水平。 基本目標及主要內容 在研究有限樣本情況下的統(tǒng)計規(guī)律及學習方法的基礎上發(fā)展起來的支持向量機 (Support Vector Machine,SVM)是一種通用的學習算法。 入侵檢測的概念 入侵 (Intrusion)是指在沒有 得到 授權的 條件 下， 妄圖 存取、處理信息或破壞系統(tǒng)以使系統(tǒng)不可靠、不可用的故意行為。 入侵檢測 (Intrusion Detection)是一種通過收集和分析被保護系統(tǒng)信息來發(fā)現入侵的主動網絡安全技術， 其核心 功能是對網絡和計算機系統(tǒng)進行實時監(jiān)控，發(fā)現和 辨別 系統(tǒng)中的入侵行為，發(fā)出入侵報警。 入侵檢測的原 理 實際 上，入侵檢測系統(tǒng) (Intrusion Detection System， IDS)事先會在網絡上“默默”的收集所有相關的數據信息，在數據收集的基礎上提取出相應的流量統(tǒng)計特征值，根據這些特征值在知識庫中進行對比，匹配耦合度較高的報文流量將被認為是對網絡的攻擊信息，入侵檢測系統(tǒng)的工作階段可分為四個階段：數據收集、數據處理、數據分析和響應處理。 (3)數據分析： 通過采用統(tǒng)計學方法或者其他的智能算法，對處理過的數據進行相關的分析，來發(fā)現其中是否存在非正常數據。入侵檢測系統(tǒng)分類如圖 所示。這種工作模式決定了它只 可 檢測到已知的攻擊，而不能 發(fā)覺 新的攻擊。但是有一點不好確定，就是如何設置異常閾值，只有合理的閾值，才能有效區(qū)分正常狀態(tài)與非正常狀態(tài)。協(xié)議分析技術的特點就是計算量小，檢測速度快 [10]。 按數據源的 IDS 分類： 匹配 規(guī)則 審計數據 信息處理 攻擊 狀態(tài) 修改當前規(guī)則 修改當前規(guī)則 時間信息 背離 統(tǒng)計 審計數據 系統(tǒng)處理 攻擊 狀態(tài) 動態(tài)產生新特征 更新特征 陜西理工學院畢業(yè)論文 （ 1）基于主機的 IDS(Hostbased Intrusion Detection System,HIDS)：基于主機的入侵檢測系統(tǒng)是指 IDS 在被保護的主機上安裝，主機上的系統(tǒng)審計日志是主要的數據源，依據該數據源進行分析和檢查。 （ 3）混合式 IDS：集中了基于主機 IDS 和基于網絡的 IDS 的優(yōu)點，它可以發(fā)現攻擊 于系統(tǒng)主機日志，也可以發(fā)現攻擊 于 網絡中，是十分強大的主動防 衛(wèi) 體系。另外，還有一些學者將粗糙集理論和支持向量機理論結合來開發(fā)一些新的檢測算法 [8]，同樣取得了較好的效果。由于 Ipv6 協(xié)議本身就具有加密和認證的功能，這就使得入侵檢測系統(tǒng)對網路數據包的監(jiān)聽更加困難了。 (3)大規(guī)模、分布式的入侵檢測：分布式入侵檢測系統(tǒng)最典型的例子就是基于網絡的入侵檢測系統(tǒng)，這種入侵檢測系統(tǒng)仍然具有單點失效的問題，這是由于基于網絡的入侵檢測系統(tǒng)存在一個中心模塊管理入侵檢測系統(tǒng)。 (5)入侵檢測系統(tǒng)與其他安全技術的配合使用：入侵檢測系統(tǒng)相對于其他網絡安全技術