協(xié)議分析及聚類算法在入侵檢測中的應用研究.pdf

1、隨著計算機與網(wǎng)絡(luò)通訊技術(shù)的迅速發(fā)展,網(wǎng)絡(luò)環(huán)境日益復雜、攻擊手段日新月異,入侵檢測作為網(wǎng)絡(luò)安全的第二道防線,能有效地保障網(wǎng)絡(luò)安全,已成為當前網(wǎng)絡(luò)安全領(lǐng)域的研究熱門?，F(xiàn)有的檢測技術(shù)無法滿足高維的和變形的網(wǎng)絡(luò)數(shù)據(jù)包的處理,如存在檢測效果不理想、檢測精度較低及檢測響應時間長等問題。
　　本文在RFC815IP分片重組的基礎(chǔ)上,.采用二叉搜索樹進行分片排序、重組對數(shù)據(jù)包進行快速處理。再利用網(wǎng)絡(luò)協(xié)議的高度規(guī)則性,將數(shù)據(jù)進行初步的分類。由于目前

2、關(guān)聯(lián)規(guī)則算法對海量數(shù)據(jù)的處理檢測精度低、檢測處理能力有限以及空泛值低的缺點。針對多維數(shù)據(jù)的稀疏性和離散性特點,本文在原有關(guān)聯(lián)算法的基礎(chǔ)上,提出了一種矩陣加權(quán)關(guān)聯(lián)規(guī)則的核模糊聚類算法。該算法的核心是根據(jù)樣本的特征向量提取樣本的相似度,再在該關(guān)聯(lián)規(guī)則算法上進行聚類來尋找相似關(guān)系的頻繁項目集。通過引入核函數(shù),樣本點被非線性變換映射到高維特征空間進行聚類,提高了聚類性能。
　　針對現(xiàn)有的檢測模型對多維數(shù)據(jù)處理有效性、可信性不高及即時檢測響

3、應時間差等問題。本文提出了半監(jiān)督自適用檢測算法,該算法的主要思想是首先利用滑動窗口將正常的系統(tǒng)調(diào)用序列切分為短序列,作為后面分析的特征值。然后利用區(qū)間K-Means算法對序列中的多維特征向量進行分割,獲得初始聚類中心。最后利用以上的檢測方法對訓練樣本中未標記的樣本集進行檢測。利用以上訓練出來的模型進行識別、標記。將識別出來的正常樣本加入標記樣本集合。重新進行模型的訓練,得到新的聚類中心和新的半監(jiān)督模型狀態(tài)轉(zhuǎn)移矩陣。通過分析異常檢測矩陣中