【摘 要】
：
在互联网不断发展的大背景下,网络技术也在飞快地发展,人们可以使用众多的网络应用。与此同时,网络上的威胁也层出不穷。传统的基于预定义规则的入侵检测方案,已经远远不能满
论文部分内容阅读
在互联网不断发展的大背景下,网络技术也在飞快地发展,人们可以使用众多的网络应用。与此同时,网络上的威胁也层出不穷。传统的基于预定义规则的入侵检测方案,已经远远不能满足人们对安全的需求。因而入侵检测系统作为一种新型的安全工具越来越受到重视。虽然入侵检测系统在算法层面和数据层面已经有了很多研究工作,但是目前仍然存在着一些问题比如缺乏对正常异常样本极度不平衡时,并且数据量较大情形下的研究,同时关于入侵检测数据集的异常流量分类问题中,缺少对于什么类型的特征组合是有效的或冗余的研究。针对大数据环境下异常流量的检测问题,本文提出了一种利用离群点检测增强的集成学习Stacking OD算法,利用无监督学习的孤立森林能够快速从数据中检测离群点,来对数据进行预标记,从而增强了模型在检测异常流量上的有效性。Stacking OD算法在UNSW-NB15数据集上取得了99.53%的准确率,97.46%的检测率,和0.21%的误报率,在NSL-KDD数据集上取得了99.73%的准确率,99.67%的检测率,和0.23%的误报率。相比同类型的研究有更优越的性能。为了方便进行特征的研究,本文使用Breaking Point测试仪模拟攻击流量生成了新的数据集,通过验证多种机器学习算法,说明了基于多分类的Light GBM模型可以达到最优的结果。在针对特征的研究中,通过构造更多的特征,并进行对比实验,说明了现有的UNSW-NB15数据集所提供的特征仍然不足以充分描述攻击流量,通过引入更多的特征可以进一步提升分类效果。在异常流量分类中的特征重要性研究中,本文通过应用多种特征选择算法,说明了传统特征选择思路里面的一些问题,如果大量地去除特征往往会使得模型的训练效果有显著的下降,并且如果选择的特征数较少,不同的特征选择算法得到的特征组合和排序并不一致,但是这些算法可以在完全无用的冗余特征上达成一致,并且通过实验验证了去除无用特征后,模型的预测精度只有较少的损失。
其他文献
加思来提·麻合苏提,男,乌孜别克族,新疆乌鲁木齐人,1962年10月出生,1984年10月参加工作,1995年6月加入中国共产党,新疆维吾尔自治区纪委原副书记、监委原副主任。2020年3月2
低压台区三相负荷不平衡是供电企业常见而又难于解决的问题之一。现阶段,我国大部分低压三相四线制供电线路中,由于单相负荷分布的不均衡及不同步使用,容易造成三相负荷不平
[基本案情及争议]2018年12月19日,最高人民检察院在其官网上发布了第十二批指导性案例,于海明正当防卫案(检例第47号)赫然在列。该案基本案情是:2018年8月27日晚九时许,刘某
目前,许多种类的肿瘤疾病对人类的危害也越来越大。依据相关机构的分析,预计到2030年,肿瘤或将超过心血管疾病成为人类生命的最大威胁。因此对肿瘤的相关研究显得更为重要和
随着信息技术快速发展,云计算、大数据广泛应用,以移动互联网为基础的新媒体成为当下信息传播最快、社会交流最频繁的渠道,深刻地改变着信息传播方式、舆论传媒生态和社会交
随着互联网技术的发展,人们对信息安全也有了更高的要求,现有的身份识别方式包括密码,口令等已经满足不了人们的需求,密码被盗现象屡见不鲜,于是出现了一些新的基于生物生理
本文利用非线性动力系统的理论和方法对不确定因素影响下肿瘤生长模型平衡点的稳定性和Allee效应影响下肿瘤-免疫系统的动力学特性两方面问题进行研究.首先,构建随机影响下的肿瘤生长模型.将随机变量按照概率分布进行分类,分为均匀分布、高斯分布和λ-分布.基于正交多项式逼近将随机的肿瘤生长模型约化为等价的确定性模型,并利用线性稳定性理论分析等价模型零解的稳定性.其次,建立确定性的具有Allee效应的肿瘤-
肿瘤免疫应答是一种复杂的动态过程.在肿瘤和免疫系统的相互作用中,免疫系统发挥了双重作用,一方面免疫系统能够激活一些免疫细胞去杀死肿瘤细胞,如辅助性T细胞、效应细胞等,但另一方面免疫系统中也存在抑制肿瘤免疫反应促使肿瘤逃逸的细胞,如调节性T细胞(Regulatory T cells,Tregs).基于Tregs介导的肿瘤免疫逃逸机制,本学位论文构建了肿瘤免疫系统相互作用的动力学模型.本论文分为四章,
目的:(1)探讨溃疡性结肠炎患者出生日期的五运六气分布特点;(2)探讨溃疡性结肠炎患者发病日期的季节、24节气分布特点;(3)基于五运六气理论研究北京、浙江杭州、河南焦作三地区溃疡性结肠炎发病与当年同期气象因素的相关性,并建立多元回归分析的医疗气象预测模型,从而为溃疡性结肠炎的预防和治疗提供新的思路。方法:本研究所有病例来源于北京中医药大学东直门医院、浙江中医药大学附属第一医院、焦作市人民医院从2
异常检测(Anomaly Detection)是一个经典的机器学习任务,其目标是识别出数据集中的异常样本,在智能生产、视频监控、网络入侵侦测等领域有着广泛的应用。在20世纪初期随着机