基于流形學習和參數優(yōu)化的SVM入侵檢測算法.pdf_第1頁
已閱讀1頁，還剩63頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、隨著信息和網絡技術的不斷發(fā)展，在政治、經濟、軍事等各種利益的驅動之下，對網絡基礎設施和一些重要的網絡主機的攻擊增長迅速。在攻擊手段不斷翻新的網絡環(huán)境下，傳統(tǒng)的網絡防護措施面臨嚴重挑戰(zhàn)。入侵檢測技術的發(fā)展，使得網絡安全的防護技術向主被動結合的方向發(fā)展，為網絡安全提供了多層次的保護。
　　入侵檢測的數據往往具有高維，小樣本和不可分性的特點，傳統(tǒng)的入侵檢測方法檢測率很低，誤報、漏報率高，已經不能滿足當前網絡安全的需求。支持向量機是在小樣

2、本學習的基礎發(fā)展起來的分類學習方法，它能夠避免局部最優(yōu)解，克服維數災難問題，能夠很好的解決小樣本，高維等問題，所以將支持向量機算法應用于入侵檢測在理論和應用中都有重要意義。
　　本文首先介紹了入侵檢測技術研究的背景、意義和進展，詳細闡述了入侵檢測技術原理、支持向量機算法和流形學習算法。在此基礎上，首先，提出了一個基于LE-CV-SVM的入侵檢測算法，此算法先用最大似然估計估計特征的本征維數，再采用流形學習算法把數據映射到低維空間，

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論