基于支持向量机的入侵检测算法研究PDF|Epub|txt|kindle电子书版本网盘下载

基于支持向量机的入侵检测算法研究PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 入侵检测基础1

1.1研究背景1

1.2计算机安全及关键技术2

1.2.1计算机安全概念2

1.2.2常见的安全威胁2

1.2.3网络安全关键技术3

1.3入侵检测技术研究概述7

1.3.1入侵检测发展历程7

1.3.2通用入侵检测模型9

1.3.3异常检测与误用检测10

1.4入侵检测的发展趋势12

1.4.1软计算方法12

1.4.2机器学习和数据挖掘方法13

1.4.3人工免疫系统13

1.4.4基于代理的检测系统14

1.5本章小结15

第2章 支持向量机23

2.1机器学习的基本问题24

2.1.1学习问题的表示24

2.1.2经验风险最小化原理25

2.1.3经验风险最小化与过学习25

2.2统计学习理论26

2.2.1学习过程的一致性理论27

2.2.2 VC维与泛化能力的界29

2.2.3结构风险最小化原理30

2.3支持向量机理论31

2.3.1最优化理论基础31

2.3.2线性支持向量机34

2.3.3核函数方法37

2.4本章小结41

附录：支持向量机的研究进展42

第3章 支持向量机的误差分解和参数选择研究61

3.1误差分解理论与支持向量机学习61

3.1.1误差分解理论61

3.1.2支持向量机的偏差-方差分析64

3.2核参数与入侵检测性能68

3.2.1 KDD入侵检测基准数据集68

3.2.2核参数选择对入侵检测性能的影响69

3.3本章小结72

附录1支持向量机的参数选择方法72

附录2 KDD CUP 99数据描述79

第4章 基于不同特征提取的入侵检测研究84

4.1基于PCA与ICA特征提取的入侵检测集成分类系统85

4.1.1基于PCA与ICA的入侵检测集成分类系统模型85

4.1.2集成分类系统的子分类器构造方法86

4.1.3子分类器对系统性能的影响研究87

4.1.4核参数对支持向量机学习性能的影响研究88

4.2集成分类系统的增量式学习算法92

4.2.1算法描述92

4.2.2入侵检测问题的增量式学习性能研究93

4.3漏警与误警损失的多目标优化研究96

4.3.1入侵检测的不均衡损失问题96

4.3.2漏警与误警的Pareto多目标优化算法97

4.3.3仿真实验及分析98

4.4本章小结100

第5章 嵌入式支持向量机特征选择算法研究103

5.1特征选择方法103

5.2基于数据的SVM嵌入式特征选择模型107

5.2.1预备知识107

5.2.2 SVM嵌入式特征选择模型110

5.3一种基于数据的SVM上界误差估计111

5.3.1 F1（K）的计算111

5.3.2 F2（K）的计算112

5.4一种新的SVM嵌入式特征选择算法119

5.5仿真实验及分析120

5.5.1分类误差的光滑化处理120

5.5.2仿真实验及分析121

5.6本章小结124

第6章 基于负相关学习的支持向量机集成算法126

6.1集成学习127

6.1.1集成学习方法分类127

6.1.2 Bagging和Boosting方法131

6.2基于负相关学习的支持向量机集成算法134

6.2.1支持向量机集成的困难性134

6.2.2负相关学习的理论分析134

6.2.3负相关学习支持向量机集成算法的实现137

6.3仿真实验及分析138

6.3.1人工数据集的实验和分析138

6.3.2人侵检测问题的实验和分析141

6.4本章小结143

第7章 基于免疫多样性的入侵检测研究149

7.1人工免疫原理150

7.1.1免疫学的概念和基本原理150

7.1.2免疫系统的特征及对入侵检测的借鉴意义151

7.2一种新的基于免疫思想的入侵检测工作结构152

7.3基于免疫多样性的入侵检测算法153

7.3.1免疫多样性的定义153

7.3.2亲和度函数155

7.3.3抗体表达方式——随机子空间法155

7.3.4基于免疫多样性的入侵检测算法156

7.4仿真实验及分析157

7.5本章小结159

第8章 总结与展望162