基于fcmc4.5組合過濾的入侵檢測模型研究

1、分類號：U D C ：學校代號：1 1 8 4 5學號：2 1 2 1 2 0 1 8 1 5廣東工業(yè)大學碩士學位論文( 工學碩士)基于F C M - C 4 ．5 組合過濾的入侵檢測模型研究嚴遠馳指導教師姓名、職稱：專業(yè)或領域名稱：學生所屬學院：論文答辯日期：摘要摘要隨著網(wǎng)絡技術(shù)的快速發(fā)展和人類社會信息化程度的不斷提高，人們對網(wǎng)絡的依賴性日益增強，隨之出現(xiàn)的網(wǎng)絡安全問題也不斷增加。入侵檢測作為一種主動防御網(wǎng)絡攻擊的手段，已成為網(wǎng)絡安全

2、領域中的一個研究熱點。然而入侵檢測算法尚存在很多不足：誤報率高、未知攻擊檢測難、單一檢測技術(shù)難以全面檢測復雜網(wǎng)絡環(huán)境下類型多樣的各種攻擊等。針對這些不足，本文將兩種算法結(jié)合起來構(gòu)造了一個綜合的入侵檢測算法。本文首先對入侵檢測系統(tǒng)的體系結(jié)構(gòu)、分類和發(fā)展趨勢進行了簡要的說明，并對數(shù)據(jù)挖掘的基礎知識、數(shù)據(jù)挖掘在入侵檢測中的應用及其特點進行了論述和分析。通過研究分析得出入侵檢測需要處理大量的數(shù)據(jù)，而數(shù)據(jù)挖掘技術(shù)是一個強有力的數(shù)據(jù)分析與處理工具，

3、從而將數(shù)據(jù)挖掘技術(shù)應用于傳統(tǒng)的入侵檢測系統(tǒng)來處理海量數(shù)據(jù)。接著，針對模糊C 均值聚類算法( F u z z yC ．M e a n sa l g o r i t h m ，F(xiàn) C M ) 在聚類過程中不需要任何的先驗知識，可以發(fā)現(xiàn)未知攻擊類型，具有過程簡單、收斂速度快等優(yōu)點，但誤報率略高，而C 4 ．5 決策樹算法是一種有監(jiān)督分類方法，需要利用預先標記好的訓練數(shù)據(jù)進行模型構(gòu)建，可以較好地檢測出已知攻擊類型，但對未知攻擊類型的檢測能力較差

4、的特點，將F C M 和C 4 ．5 相結(jié)合，構(gòu)建了一個雙過濾入侵檢測模型。模型首先采用F C M 算法初步過濾掉明顯的正常數(shù)據(jù)，從而減少了第二層過濾的數(shù)據(jù)量；第二層運用決策樹C 4 ．5 算法進行細過濾，從而獲得效率與精度的提高。通過數(shù)據(jù)集K D D c u P 9 9 的實驗驗證，組合過濾算法能充分發(fā)揮了F C M 能檢測到未知攻擊的能力與C 4 ．5 低誤報率和對已知攻擊高檢測率的優(yōu)點，并克服F C M 檢測率低和C 4 ．5 對