版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、當前,入侵檢測系統(tǒng)已經(jīng)成為信息安全整體架構(gòu)必不可少的一道重要防線。不同于防火墻等其他網(wǎng)絡(luò)安全組件和產(chǎn)品,入侵檢測系統(tǒng)要求具有更多的智能。然而調(diào)查表明,當前投入使用的入侵檢測系統(tǒng)在檢測性能、對分布式攻擊的檢測能力等方面遠遠不能滿足實際需要。另一方面,不同網(wǎng)絡(luò)環(huán)境對入侵檢測系統(tǒng)的架構(gòu)設(shè)計和可靠性提出了不同的要求,特別是在大規(guī)模、高速網(wǎng)絡(luò)環(huán)境下,由于在數(shù)據(jù)存儲和處理上的局限性,目前大多數(shù)入侵檢測系統(tǒng)存在丟包漏檢現(xiàn)象,導(dǎo)致漏報率較高,檢測率較低
2、。
本文提出一個校園網(wǎng)環(huán)境下的分布式網(wǎng)絡(luò)入侵檢測系統(tǒng),由分布的智能本地代理和一個中央代理組成,在各網(wǎng)段部署具有自主行為的本地代理,采用改進的基于聚類的異常挖掘方法區(qū)分正常網(wǎng)絡(luò)活動和異常行為,而中央代理集中處理各本地代理發(fā)出的告警消息,并負責整體的分析決策。在大規(guī)模高速校園網(wǎng)環(huán)境下,各網(wǎng)段的智能代理只處理本地網(wǎng)絡(luò)數(shù)據(jù)包,避免了漏檢;各代理采用基于聚類的異常挖掘方法,能夠有效地檢測出分布式攻擊,如拒絕服務(wù)攻擊DDoS。中央代理
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于異常挖掘的網(wǎng)絡(luò)入侵檢測系統(tǒng)研究.pdf
- 網(wǎng)絡(luò)異常入侵檢測.pdf
- 基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)入侵檢測研究.pdf
- 基于數(shù)據(jù)挖掘的異常模式入侵檢測研究.pdf
- 基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)入侵檢測技術(shù).pdf
- 基于網(wǎng)絡(luò)異常的入侵檢測算法研究.pdf
- 基于網(wǎng)絡(luò)的異常入侵檢測技術(shù)研究.pdf
- 基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)入侵檢測方法研究.pdf
- 網(wǎng)絡(luò)安全入侵檢測技術(shù)——基于數(shù)據(jù)挖掘技術(shù)的入侵檢測系統(tǒng).pdf
- 基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)異常流量檢測.pdf
- 基于網(wǎng)絡(luò)異常流量的入侵檢測系統(tǒng)研究.pdf
- 基于SOM神經(jīng)網(wǎng)絡(luò)的異常入侵檢測研究.pdf
- 基于離群點挖掘的網(wǎng)絡(luò)入侵檢測方法研究.pdf
- 基于異常檢測的入侵檢測系統(tǒng)設(shè)計.pdf
- 網(wǎng)絡(luò)入侵的異常檢測算法研究.pdf
- 網(wǎng)絡(luò)入侵異常檢測的統(tǒng)計方法研究.pdf
- 基于人工異常的入侵檢測系統(tǒng).pdf
- 基于郵件異常的入侵檢測系統(tǒng).pdf
- 基于異類挖掘的未知網(wǎng)絡(luò)入侵檢測方法研究.pdf
- 基于主機和網(wǎng)絡(luò)入侵檢測的數(shù)據(jù)挖掘技術(shù)
評論
0/150
提交評論