基于信息熵SVM的ICMP隐蔽通道检测研究的开题报告.pdf

基于信息熵SVM的ICMP隐蔽通道检测研究的开题

报告

一、研究背景

随着网络技术的发展，网络安全问题也越来越严重。其中，隐蔽通

道攻击作为一种重要的网络隐蔽攻击手段，已经引起了广泛的关注。在

隐蔽通道攻击中，ICMP隐蔽通道是一种常见的攻击手段，攻击者可以通

过控制ICMP报文传输并隐藏有效载荷来传输信息，从而绕过网络安全检

测。

信息熵SVM是一种机器学习算法，可以通过对数据集进行训练和分

类，实现对隐蔽通道的检测。信息熵SVM算法基于信息熵原理和支持向

量机理论，可以有效地区分非隐蔽通道和隐蔽通道的流量，从而实现对

ICMP隐蔽通道攻击的检测。

二、研究目的

本文旨在使用信息熵SVM算法对ICMP隐蔽通道进行检测。具体地，

研究将在网络环境中收集大量ICMP流量数据，并使用信息熵SVM算法

对这些数据进行训练和分类。通过对算法进行优化和改进，提高ICMP隐

蔽通道检测的精度和效率，从而有效地保护网络安全。

三、研究内容和方法

1.数据采集

采用Wireshark网络抓包工具对网络环境中的ICMP流量进行抓取和

收集，并将其保存到数据库中，作为信息熵SVM算法的训练和测试数据

集。

2.信息熵SVM算法

使用Python编程语言和Scikit-learn机器学习库实现信息熵SVM算

法。通过对训练数据集进行学习和训练，得到一个分类器模型。将测试

数据集输入到分类器模型中，进行分类预测和检测。

3.算法优化

对信息熵SVM算法进行优化和改进，提高模型的精度和效率。具体

地，研究将采用交叉验证方法对分类器模型进行参数调优，并将使用

CUDA并行计算技术，提高算法的运算速度。

四、研究意义

本研究将有效地提高ICMP隐蔽通道攻击的检测精度和效率，有助

于防范网络隐蔽攻击和保障网络安全。此外，本研究还将探索和应用机

器学习算法和并行计算技术在网络安全领域的发展和应用，有一定的学

术和实践研究价值。