基于粗糙集和離群點挖掘的網(wǎng)絡入侵檢測研究.pdf

1、隨著互聯(lián)網(wǎng)的迅速普及與廣泛應用，網(wǎng)絡的安全問題也日益嚴重。近年來，作為維護網(wǎng)絡安全的一項主要技術，入侵檢測技術得到了廣泛的關注。但是，現(xiàn)有的入侵檢測系統(tǒng)還存在很多的問題，例如，系統(tǒng)的檢測準確率低，但是誤警率卻居高不下。另外，系統(tǒng)不能實時地檢測新的攻擊。導致上述問題的主要原因之一就在于，現(xiàn)有的入侵檢測方法并沒有考慮到入侵檢測系統(tǒng)本身所具有的不確定性和不完備性。入侵檢測系統(tǒng)所面對的網(wǎng)絡環(huán)境是相對開放和復雜的，因此系統(tǒng)具有不確定性、不完備性等

2、特征。然而，現(xiàn)有的入侵檢測方法通常假設其所處理的原始數(shù)據(jù)都是確定的和完備的，缺乏有效的機制來處理不確定和不完備數(shù)據(jù)。
　　為了有效處理入侵檢測系統(tǒng)所具有的不確定性和不完備性，本文將利用粗糙集理論來表示和處理入侵檢測系統(tǒng)中的不確定和不完備數(shù)據(jù)，并且將粗糙集和離群點挖掘技術結合在一起來檢測入侵。針對入侵檢測系統(tǒng)中的不確定和不完備數(shù)據(jù)，我們基于粗糙集理論提出兩種數(shù)據(jù)預處理算法:基于相對決策熵與加權相似性的數(shù)據(jù)補齊算法、基于近似決策熵的屬

3、性約簡算法。在上述兩種數(shù)據(jù)預處理算法基礎上，我們進一步提出一種基于離群點挖掘的入侵檢測方法，從而構建一種新的入侵檢測模型。我們所構建的模型可以有效處理入侵檢測系統(tǒng)中的不確定、不完備數(shù)據(jù)，從而可以在一定程度上解決現(xiàn)有的入侵檢測系統(tǒng)所存在的問題。
　　本文的工作主要包括以下幾個方面:
　　(1)提出一種基于相對決策熵與加權相似性的粗糙集數(shù)據(jù)補齊算法。針對現(xiàn)有的粗糙集數(shù)據(jù)補齊方法所存在的問題，本文提出一種新的加權相似性的概念，并使

4、用相對決策熵來計算屬性重要性，從而設計出一種基于相對決策熵與加權相似性的粗糙集數(shù)據(jù)補齊算法。我們在真實數(shù)據(jù)集上驗證了該算法的有效性。
　　(2)提出一種基于近似決策熵的屬性約簡算法。針對現(xiàn)有的基于信息熵的屬性約簡算法所存在的問題，本文提出了近似決策熵這一新的信息熵模型，并基于近似決策熵設計出一種新的屬性約簡算法。我們在多個UCI數(shù)據(jù)集上進行了實驗，相對于傳統(tǒng)的算法，我們的算法可以取得較小的約簡和較高的分類精度，并且具有較低的計算開

5、銷。
　　(3)提出一種基于離群點挖掘的入侵檢測方法。我們對傳統(tǒng)的基于距離的離群點檢測算法進行改進，并將其應用于入侵檢測中。針對傳統(tǒng)的基于距離的離群點檢測算法不能有效處理離散型屬性的問題，本文基于粗糙集理論提出一種針對離散型屬性的距離度量，并由此設計出相應的離群點檢測算法。通過把入侵行為看作是離群點，我們將所提出的離群點檢測算法應用于入侵檢測中，從而得到一種新的無監(jiān)督入侵檢測方法。我們采用入侵檢測領域中廣泛使用的KDDCup99數(shù)