论文部分内容阅读
本文针对网络流量的强非线性，从混沌时间序列分析入手，应用混沌时序分析方法来进行网络流量和报警信息预测，提高入侵防御系统性能研究内容主要涉及混沌时间序列分析和预测技术网络流量异常检测及网络入侵防御技术等，属于非线性动力学和网络信息安全相互交叉的研究范畴论文的主要成果如下：1从理论上对关联维数算法进行误差估计，完成动力系统的相空间重构通过对嵌入空间向量矩阵的本征值分解，确定时间序列相空间重构时的嵌入维数并去除信号里的噪声干扰对本征值分解提出了理论改进方法，克服了基坐标选取时不能真实反应噪声成分的缺陷给出了计算本征值本征向量最小嵌入空间标准正交基底以及实测时间序列在标准正交基底上投影的简便算法2对多变量混沌时间序列进行预测，对虚假邻点法求嵌入维数提出了改进算法，克服了只凭经验选取参数所带来的缺陷将本征值分解技术用于主成分分析，提出了一种新的多变量预测的简便降维方法，该方法能够去除多变量混沌时序中的冗余信息，收敛性和稳定性较好将所提出的多变量混沌时间序列预测方法应用于网络流量预测，能更好地模拟网络特性3在网络流量多变量混沌时间序列预测模型的基础上，将支持向量机用于网络流量的异常分类，建立了基于混沌-支持向量机的网络流量预测模型提出了一种新的自调节加权特征选择的降维方法，根据样本特征自身的属性，完成样本特征权重的自动生成，在有效提高分类精度的同时，减少了样本学习和测试的时间，改善了系统的实时性给出了基于混沌-支持向量机的报警信息预测算法，实现了入侵防御系统原有规则属性的优化和新规则的添加在基于支持向量机的入侵检测中融入混沌时间序列预测技术，提高了系统检测率并有望识别同一种攻击的许多变种及全新攻击包总之，本文深入系统地研究了混沌时序分析和预测理论，把混沌时序预测技术成功地应用到入侵防御系统，改善了系统的检测性能和实时性，使系统实现了预动响应主动防御的功能