【摘 要】
：
随着互联网技术的高速发展以及互联网与人类生活融合的不断加深,网络在给人们带来各种便利的同时,人们所面临的网络安全问题也越来越多样:从盗取系统管理员密码、窃取私人信息与隐私,到攻击学校、政府、医院等单位服务、信息系统,破坏了系统机密性,完整性与可用性,造成社会巨大经济损失。因此网络入侵检测技术的研究也越发必要。随着深度学习理论的提出,深度学习算法在不同领域发挥着不可替代的作用,在入侵检测领域也发展迅
论文部分内容阅读
随着互联网技术的高速发展以及互联网与人类生活融合的不断加深,网络在给人们带来各种便利的同时,人们所面临的网络安全问题也越来越多样:从盗取系统管理员密码、窃取私人信息与隐私,到攻击学校、政府、医院等单位服务、信息系统,破坏了系统机密性,完整性与可用性,造成社会巨大经济损失。因此网络入侵检测技术的研究也越发必要。随着深度学习理论的提出,深度学习算法在不同领域发挥着不可替代的作用,在入侵检测领域也发展迅速。基于深度学习算法的入侵检测模型,与传统入侵检测算法相比准确率更高,更智能的优势。同时,伴随着集成学习理论的诞生,更是突破了单一模型学习能力有限、泛化能力较弱的障碍。本文旨在通过利用深度学习与集成学习算法,提升入侵检测准确率以及对不均衡数据的检测能力。本文的研究工作主要包括以下:（1）介绍了入侵检测的研究背景及意义,阐述了当前研究趋势。（2）概述基本的入侵检测相关技术和机器学习常用算法的理论知识。（3）针对网络入侵数据因数据样本不均衡导致算法检测能力较弱和准确率较低以及传统机器学习算法对复杂函数表征能力有限的问题。使用Bi GRU作为模型核心,采用Focal Loss函数调节少数类样本权重,使用NSL-KDD数据集进行实验,利用ADAM优化算法不断更新权重矩阵,从而使得模型达到其最佳效果。经过实验验证,该模型与传统机器学习相比检测能力更强。（4）提出了KSLSMOTE采样算法,该算法对SMOTE存在的易生成噪声样本的问题以及新样本生成的方式进行改进,突破了单一线性插值的局限性,最后采用KFCM进行聚类并对多数类样本进行欠采样,以此对不均衡数据集进行改善。（5）在KSLSMOTE算法的基础上,针对单一模型学习能力有限以及准确率较低等问题,采用集成学习的方法对多个分类器进行集成。通过多个分类器对数据特征进行充分学习,并充分利用个分类器的优势,突破单一分类器的局限性,设计实验并与其他算法进行对比。本文的创新之处包括:（1）提出了一种基于Bi GRU的网络入侵检测方法。通过Bi GRU神经网络学习数据样本特征并拟合,同时,针对入侵数据集数据样本不均衡现象,采用Focal Loss调节不同类样本权重,提升模型对少数类样本的学习,解决少数类样本准确率过低的问题。采用Batch Normalization机制和Drop Out算法对数据进行归一化,增强模型泛化能力。采用NSL-KDD数据集进行实验,实验结果表明该方法的准确率和召回率。（2）提出了KSLSMOTE采样算法。该算法改进了SMOTE算法的样本生成方式,同时也避免了新生成样本易出现噪声的情况,并融入了KFCM算法:首先,对少数样本点的K近邻进行分析,以判定是否生成新样本以及新样本的生成方向,同时利用样本各维度的值生成新样本,改善了SMOTE生成新样本易出现噪声的缺陷;然后通过KFCM算法对数据集进行聚类,并对多数类样本进行欠采样以平衡数据集。在KSLSMOTE算法的基础上,采用Stacking集成技术架构一种新的分层集成模型,使用SVM、LR、KNN、VAE等作为模型的基分类器,融合了各基分类器的优点,增强了模型的检测能力。
其他文献
光接收器是光纤传输系统的重要组成部分,接收器的性能决定了传输质量。因此,本文将基于低噪声、低干扰角度,对拉曼光纤放大器（Raman Fiber Amplifier,简称RFA）和光时域反射仪（Optical Time Domain Reflectometer,简称OTDR）两者的光信号接收模块的电路进行研究。RFA利用泵浦光源对在光纤中传输的光信号进行放大,多路泵浦激光器能够同时对光纤内传输的多波
液晶透镜自1979年被提出以来就备受国内外众多相关科研工作者的重视。基于液晶材料的光电特性,使液晶材料应用于透镜时可以在不改变自身形状的情况下,依靠控制空间电场分布来改变液晶的折射率,其光学性能的调节得以实现。相较于传统变焦透镜,液晶透镜具有体积小、变焦灵活、无机械磨损等优势,在光学影像、光电系统、生物医学等众多领域上具有巨大应用潜力。空间电场分布的控制是液晶透镜调节光学性能的关键,本文针对液晶透
随着深度学习和计算设备的不断发展,复杂模型能够实时运行在并行计算设备中,使得人工智能技术从理论研究走向了实际应用。场景理解是计算机视觉技术中主要领域之一,其通过捕获数据间的上下文关系,实现对客观世界的认知。随着汽车智能化的不断推进,自动驾驶汽车成为研究热点之一。在自动驾驶技术中,道路场景理解能够分解道路交通中的要素,是使汽车能够路径规划与决策的先决条件之一。针对于不同的交通要素,结构化的分解适应不
贴面板材是定制家居行业最常用的成品板材,约占70%以上。在贴面板材的生产过程中,板材封边的质量直接影响了成品板材的品质优劣。现今,板材封边后的质量检测任务绝大部分依靠质检员目测完成。但该方法检测速度慢、精度低并且结果不稳定。本文致力于研究出一套基于机器视觉的板材封边缺陷检测系统,以达到较高的缺陷检测精度、并且能稳定地输出检测结果。本文首先分析了机器视觉系统的各组成要件和缺陷检测中的主流算法,研究不
在对海洋进行水下声学探测时,水面与海底之间的区域构成其测量范围,其中,海底沉积物作为下边界,其声学特性是海洋声学探测的重要研究内容之一,与海洋科学的发展以及海洋开发和建设息息相关。目前对于海底沉积物声学特性的研究主要基于实验室声学测量,但由于脱离了原位环境,其测量结果与原位测量相比存在偏差,这种偏差的变化机制和程度一直是悬而未决的问题。因此,有必要研制一种海底沉积物压力环境模拟声学测试系统,用以研
推荐系统出身于互联网时代,用于解决大规模信息爆发问题,可以有效帮助人们在数字大海中寻找需要的信息或商品。目前,互联网公司大多都为他们的系统配备了推荐引擎来取得更好的收益,比如美国著名的电子商务网站亚马逊,其收入的百分之30得益于在线系统部署的推荐引擎。在国内,同样有一大批公司在其在线系统上使用着推荐技术。例如淘宝、京东、拼多多等人们经常使用的在线购物服务商;网易云、爱奇艺等娱乐服务供应商等,正是这
随着万物互联时代的到来,物联网对射频集成电路的功耗、成本、性能要求越来越高。低噪声放大器作为射频接收机系统中的首级电路,它的性能决定了接收机系统性能的上限。传统的低噪声放大器电路结构越来越难以满足产品应用的需求,因此本文针对物联网这种低功耗低成本的应用提出了一种低噪声放大器电路结构以及一种有源电感电路结构,该结构在保证性能能满足应用需求的前提下,面积可以做到0.01 mm2以下,成本方面具有较大优
进入二十一世纪以来,信息化技术、计算机技术、网络通信技术等相关科学技术的快速发展在方方面面极大地改变了人们的生产生活方式。由于众多工程实践中的被控对象愈发复杂,伴随着网络在实际系统中的广泛应用,控制系统逐渐向分布化、智能化发展。对于网络化系统,由于实际生产生活中,其系统节点往往数量众多,因此,各节点间的通信数据量庞大,这给传输网络带来了较大的压力。同时,为了减轻控制器对大量测量反馈信号的计算所带来
随着智能制造业和工业4.0的不断发展,机器人正逐渐应用于复杂的装配任务,然而传统机器人技术难以满足实际应用需求。近年来,在人工智能技术取得不断突破前提下,业界和学界都在探索如何通过人工智能技术实现机器人自主装配作业。当前已有机器人自主装配技术严重依赖于固定的装配动作或预设过程。存在装配成功率低、任务泛化性不足和环境适应性差等瓶颈问题。鉴于此,本文基于多模态感知技术与深度强化学习理论,开展基于多模态
短期电力负荷预测（Short-term load forecasting,STLF）在电力系统的自动化控制、电力安全、市场运营、调度方案优化等方面发挥着重要作用,其预测范围一般为提前1天～1周。由于电力负荷序列本身的非线性、非平稳等特征以及各种影响因素对负荷的复杂影响,很难实现高精度的短期负荷预测。本文提出一种结合相似日选择（Similar Day Selection,SD）、变分模态分解（Var