入侵檢測中關聯(lián)算法的研究及應用.pdf

1、隨著人類社會信息化程度不斷提高，對網(wǎng)絡的依賴性日益增強，計算機網(wǎng)絡安全已引起人們的廣泛關注。入侵檢測是一種通過實時監(jiān)測目標系統(tǒng)來發(fā)現(xiàn)入侵攻擊行為的安全技術，現(xiàn)已成為網(wǎng)絡安全領域中的一個研究熱點。然而，傳統(tǒng)的入侵檢測系統(tǒng)在有效性、適應性和可擴展性方面都存在不足。針對這些不足，本文將從數(shù)據(jù)處理的角度，用數(shù)據(jù)挖掘的方法根據(jù)海量審計數(shù)據(jù)建立描述入侵行為的模型。 本文首先對入侵檢測技術的背景進行了簡要的說明和歸類。然后論述了數(shù)據(jù)挖掘知識及

2、數(shù)據(jù)挖掘在入侵檢測中的應用。通過研究和分析傳統(tǒng)入侵檢測系統(tǒng)的缺陷，得出解決這些缺陷需要處理大量的數(shù)據(jù)，而數(shù)據(jù)挖掘技術是一個強有力的數(shù)據(jù)處理工具，從而將數(shù)據(jù)挖掘技術應用于傳統(tǒng)的入侵檢測系統(tǒng)來處理海量數(shù)據(jù)，以提高整個系統(tǒng)的檢測性能，有效的減少整個系統(tǒng)的虛警率和誤警率。 通過比較數(shù)據(jù)挖掘技術中的諸算法，結合該技術所要應用的環(huán)境--入侵檢測系統(tǒng)，得出關聯(lián)規(guī)則和聚類分析算法更適合入侵檢測系統(tǒng)規(guī)則挖掘的結論。本文重點論述的是在入侵檢測領域廣

3、泛應用的關聯(lián)分析算法和聚類分析算法，分析和介紹了數(shù)據(jù)挖掘算法中的Apriori算法和K-means聚類算法，提出了改進的關聯(lián)算法Ad-Apriori，并針對算法用于入侵檢測中存在的缺陷，提出了聯(lián)合數(shù)據(jù)挖掘思想。通過利用樹形結構存儲數(shù)據(jù)庫、候選項集對數(shù)據(jù)庫進行精簡，改進對算法的剪枝操作和利用完美Hash函數(shù)直接生成2-項頻繁集等方法對Apriori算法進行了改進，提高了算法的執(zhí)行效率，并通過具體實例和實驗說明了改進的有效性。通過在算法中添