基于數(shù)據(jù)流特征選擇及分類算法的入侵檢測(cè)模型研究.pdf

1、由于互聯(lián)網(wǎng)的飛速發(fā)展，現(xiàn)實(shí)社會(huì)已經(jīng)融入到互聯(lián)網(wǎng)。但是由于互聯(lián)網(wǎng)安全性不高，所以網(wǎng)絡(luò)安全研究變得十分重要。本文針對(duì)網(wǎng)絡(luò)安全進(jìn)行了如下相關(guān)的研究工作。
　　經(jīng)過研究我們發(fā)現(xiàn)入侵檢測(cè)研究的數(shù)據(jù)已經(jīng)轉(zhuǎn)變?yōu)閿?shù)據(jù)流的形式，若要對(duì)數(shù)據(jù)流進(jìn)行快速地分類需要克服以下難題:1）對(duì)數(shù)據(jù)進(jìn)行單次掃描;2）算法占據(jù)內(nèi)存不隨著數(shù)據(jù)流遞增而增加;3）對(duì)數(shù)據(jù)流處理要快速。
　　Hoeffding樹是一種數(shù)據(jù)流分類算法，本文改進(jìn)了原Hoeffding樹的缺點(diǎn)

2、得到Hoeffding-ID(Hoeffding Intrusion Detection Tree)。Hoeffding-ID只掃描一次數(shù)據(jù);除了各個(gè)節(jié)點(diǎn)處所保留的統(tǒng)計(jì)信息，Hoeffding-ID所占用的內(nèi)存也不隨著數(shù)據(jù)流遞增而增加;同時(shí)Hoeffding-ID也改進(jìn)了原Hoeffding樹的缺陷。與擁有高分類準(zhǔn)確率及較低錯(cuò)誤率的J48決策樹比較，Hoeffding-ID也擁有較高的檢測(cè)率及較低的錯(cuò)誤率，并且在內(nèi)存占用方面優(yōu)于J48。

3、
　　在實(shí)驗(yàn)中我們發(fā)現(xiàn)對(duì)于維度大的數(shù)據(jù)，分類算法在分類過程中占用內(nèi)存較多。為了減少分類算法占用的內(nèi)存，對(duì)數(shù)據(jù)進(jìn)行特征選擇的研究變得尤為重要。本文基于互信息改進(jìn)得到了新的單位度量-集合互信息。集合互信息能全面地衡量特征集合對(duì)于分類結(jié)果的影響，并且提供標(biāo)準(zhǔn)的單位度量;同時(shí)我們引入Hoeffding不等式作為篩選準(zhǔn)則，得到特征選擇算法HSF(Hoeffding SelectionFeature Algorithm)。與經(jīng)典BIF特征選擇

4、算法進(jìn)行實(shí)驗(yàn)對(duì)比，實(shí)驗(yàn)結(jié)果表明HSF算法篩選出的特征屬性子集比BIF更能準(zhǔn)確地描述數(shù)據(jù)。
　　最后本文基于數(shù)據(jù)流特征選擇算法HSF及分類算法Hoeffding-ID提出了一種入侵檢測(cè)模型HIDM(Hoeffding Intrusion Detection Model)。HIDM借由同步及緩存機(jī)制實(shí)現(xiàn)HSF與Hoeffding-ID的協(xié)同工作。實(shí)驗(yàn)表明，HIDM模型提高了入侵檢測(cè)的準(zhǔn)確率，減少了檢測(cè)時(shí)間，同時(shí)還降低了模型內(nèi)存的占用率