基于弱點數(shù)據(jù)庫的多維關聯(lián)規(guī)則挖掘.pdf

1、在Internet高速發(fā)展的今天，大量的弱點信息不斷地出現(xiàn)，黑客經(jīng)常利用計算機軟件或配置上存在的弱點，進行無授權訪問、特權提升、DoS攻擊等，嚴重地危害了系統(tǒng)安全。僅在2005年，計算機安全事件響應小組CERT/CC就收到624,634個email報告安全事件和接報弱點5990條。因此，很多研究機構和人員都開展了弱點的研究工作，主要是整合弱點屬性建構完善的弱點數(shù)據(jù)庫，以存儲大量的弱點信息和系統(tǒng)地研究弱點以及弱點分類法等。
　　數(shù)據(jù)

2、挖掘是面向海量數(shù)據(jù)的知識發(fā)現(xiàn)技術，可以從數(shù)據(jù)中自動、高效地提取出未知的可用知識。而關聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘中最成功和最重要的研究領域，能夠發(fā)現(xiàn)大量數(shù)據(jù)中項集之間有趣的關聯(lián)或相關聯(lián)系。因此，在弱點數(shù)據(jù)庫中進行關聯(lián)規(guī)則的挖掘，可以發(fā)現(xiàn)弱點的屬性之間或項與項之間的關聯(lián)關系，為弱點的分類法研究與應用提供新的信息。
　　本文首先在深入研究關聯(lián)規(guī)則挖掘算法的基礎上，對其中的單維關聯(lián)規(guī)則挖掘算法AprioriTidList進行改進，提出了一種適合

3、關系型弱點數(shù)據(jù)庫的高效的多維關聯(lián)規(guī)則挖掘算法AprioriTidList+；并且將該算法應用到弱點數(shù)據(jù)庫中，包括數(shù)據(jù)準備、算法實現(xiàn)和實驗結果的分析，其中數(shù)據(jù)準備主要是對數(shù)量龐大的弱點信息和弱點屬性進行挑選，取出一部分適合于關聯(lián)規(guī)則挖掘的弱點信息來進行實驗，同時也對量化屬性值進行了離散化處理。
　　上述實驗結果顯示，“支持度—置信度”框架的挖掘算法在閾值較高時會丟失有價值的信息，若閾值較小又會有大量無意義、冗余的規(guī)則產(chǎn)生，并且對于強

4、關聯(lián)規(guī)則的價值亦不能確定。為此，本文進一步引入了關聯(lián)規(guī)則的興趣度，應用基于概率相關性和基于綜合的兩個興趣度參數(shù)，對挖掘結果進行評價，排除大量的無趣規(guī)則，以得到有價值的關聯(lián)規(guī)則。
　　最后，本文將基于興趣度的規(guī)則評價加入到AprioriTidList+算法中，即進一步對挖掘算法進行改進；并將改進后的AprioriTidList++算法應用到弱點數(shù)據(jù)庫中重新準備的弱點數(shù)據(jù)上，挖掘得到有價值的關聯(lián)規(guī)則；從實驗結果的分析中可知，改進后的算