數(shù)據(jù)挖掘和數(shù)據(jù)倉庫在入侵檢測(cè)中的應(yīng)用研究.pdf

1、該文結(jié)合國(guó)家自然科學(xué)基金重大計(jì)劃--面向大規(guī)模網(wǎng)絡(luò)的分布式入侵檢測(cè)和預(yù)警模型(90104030),針對(duì)數(shù)據(jù)倉庫與數(shù)據(jù)挖掘在入侵檢測(cè)中的應(yīng)用進(jìn)行了研究工作.在第一章和第二章該文分別介紹了以下內(nèi)容:數(shù)據(jù)挖掘及其相關(guān)問題,包括數(shù)據(jù)挖掘的過程、方法、分類和應(yīng)用等;數(shù)據(jù)倉庫及其相關(guān)問題;入侵檢測(cè)及其相關(guān)問題,包括系統(tǒng)模塊、分類、入侵檢測(cè)技術(shù)和相關(guān)產(chǎn)品介紹;最后綜述介紹了入侵檢測(cè)中的數(shù)據(jù)挖掘和數(shù)據(jù)倉庫的研究現(xiàn)狀.獲得生成訓(xùn)練模型所需要的數(shù)據(jù)的代價(jià)過

2、高,且難以自動(dòng)完成,是數(shù)據(jù)挖掘在入侵檢測(cè)中應(yīng)用的主要障礙之一,第三章提出了解決該問題的一種方法.該文提于離群數(shù)據(jù)挖掘的異常檢測(cè)模型(Outlier Mining based Anoma1yDetection,OMAD),OMAD模型使用離群數(shù)據(jù)挖掘方法,剔除數(shù)據(jù)集中的異常數(shù)據(jù),自動(dòng)地生成正常訓(xùn)練集,降低訓(xùn)練數(shù)據(jù)的生成代價(jià),提高入侵檢測(cè)系統(tǒng)的效率.第四章介紹基于數(shù)據(jù)倉庫的聯(lián)機(jī)分析系統(tǒng)的整體設(shè)計(jì)及具體實(shí)現(xiàn)過程,這是一種通用數(shù)據(jù)倉庫系統(tǒng),具有