代價敏感異常分類算法研究.pdf

1、網絡技術的不斷發(fā)展、網絡知識的不斷普及，使得我們的生活發(fā)生了根本性的變革，社會生活的各個方面都受到了極大的影響，網絡系統(tǒng)已成為現代生活中不可或缺的組成元素。但與此同時病毒、木馬、黑客攻擊、網上經濟犯罪、垃圾電子郵件等各種網絡安全威脅也伴隨產生，而且趨于實施的隱蔽化、技術的復雜化、危害程度的嚴重化等。這對網絡安全機制是一個嚴峻的考驗。 入侵檢測系統(tǒng)對網絡或系統(tǒng)活動可以進行主動監(jiān)控，是一種非常高效的網絡安全技術。當前攻擊技術飛速發(fā)展

2、的勢態(tài)要求入侵檢測系統(tǒng)對未知攻擊仍具有良好的檢測能力，同時當對未知攻擊已獲取了足夠的知識，就應及時更新現有的分類模型。目前實現分類模型更新的辦法是把未知攻擊的實例加入到原有數據集中一同作為訓練數據，重新訓練出新分類模型。盡管這種解決方法可以實現分類模型的更新但并不合理。因為原有的分類模型仍具有使用價值卻被摒棄了。 為了解決傳統(tǒng)方案中的不合理性，實現原有分類模型的使用價值，本文采用復合模型來實現更新。首先快速產生一個輕量級的簡單分

3、類模型以檢測新出現的攻擊，原有分類模型依舊可用。檢測攻擊時先使用原有分類模型，若檢測為未知攻擊，就交由簡單分類模型進一步檢測。實現該復合模型的關鍵點是如何讓原有分類模型識別出未知新攻擊，即找出已知攻擊與未知新攻擊之間的界限。這是本文研究的重點所在。 本文提出并實現了稀疏拓展ArtiAnomalyG算法。首先使用該算法對訓練數據集進行稀疏拓展，拓展出的新實例冠以類標“anomaly”。選用AdaCost算法對拓展后的新數據集進行分

4、類學習，得到的分類模型就可以找出已知攻擊與未知攻擊之間的界限。本文主要做了以下幾方面的工作： 1．分析了AdaCost算法原理，并選用JBuilder9.0作為開發(fā)環(huán)境實現了該算法。將AdaCost算法的類文件移植到了weka系統(tǒng)中。 2．提出了稀疏拓展ArtiAnomalyG算法，對其原理方法及流程過程都做了詳細描述。在JBuilder9.0平臺上加以實現，并將其的類文件放置在weka系統(tǒng)子包中。 3．分析了稀

5、疏拓展ArtiAnomalyG算法可能引發(fā)的弊端--數據沖突。設計實驗對拓展后的數據進行過濾，有微小的沖突發(fā)生。分別使用過濾前和過濾后的數據進行模型訓練，結果表明盡管分類模型的檢測精度有變化，但仍在可接受的范圍內。 4．設計實驗對稀疏拓展ArtiAnomalyG算法進行驗證，實驗結果表明盡管對數據集進行稀疏拓展消耗了時間資源，但分類模型可以有效地檢測出異常攻擊，這與漏檢異常攻擊造成的損失相比是非常值得的。 總之，稀疏拓展