基于fcmc4.5組合過(guò)濾的入侵檢測(cè)模型研究

1、分類號(hào)：U D C ：學(xué)校代號(hào)：1 1 8 4 5學(xué)號(hào)：2 1 2 1 2 0 1 8 1 5廣東工業(yè)大學(xué)碩士學(xué)位論文( 工學(xué)碩士)基于F C M - C 4 ．5 組合過(guò)濾的入侵檢測(cè)模型研究嚴(yán)遠(yuǎn)馳指導(dǎo)教師姓名、職稱：專業(yè)或領(lǐng)域名稱：學(xué)生所屬學(xué)院：論文答辯日期：摘要摘要隨著網(wǎng)絡(luò)技術(shù)的快速發(fā)展和人類社會(huì)信息化程度的不斷提高，人們對(duì)網(wǎng)絡(luò)的依賴性日益增強(qiáng)，隨之出現(xiàn)的網(wǎng)絡(luò)安全問(wèn)題也不斷增加。入侵檢測(cè)作為一種主動(dòng)防御網(wǎng)絡(luò)攻擊的手段，已成為網(wǎng)絡(luò)安全

2、領(lǐng)域中的一個(gè)研究熱點(diǎn)。然而入侵檢測(cè)算法尚存在很多不足：誤報(bào)率高、未知攻擊檢測(cè)難、單一檢測(cè)技術(shù)難以全面檢測(cè)復(fù)雜網(wǎng)絡(luò)環(huán)境下類型多樣的各種攻擊等。針對(duì)這些不足，本文將兩種算法結(jié)合起來(lái)構(gòu)造了一個(gè)綜合的入侵檢測(cè)算法。本文首先對(duì)入侵檢測(cè)系統(tǒng)的體系結(jié)構(gòu)、分類和發(fā)展趨勢(shì)進(jìn)行了簡(jiǎn)要的說(shuō)明，并對(duì)數(shù)據(jù)挖掘的基礎(chǔ)知識(shí)、數(shù)據(jù)挖掘在入侵檢測(cè)中的應(yīng)用及其特點(diǎn)進(jìn)行了論述和分析。通過(guò)研究分析得出入侵檢測(cè)需要處理大量的數(shù)據(jù)，而數(shù)據(jù)挖掘技術(shù)是一個(gè)強(qiáng)有力的數(shù)據(jù)分析與處理工具，

3、從而將數(shù)據(jù)挖掘技術(shù)應(yīng)用于傳統(tǒng)的入侵檢測(cè)系統(tǒng)來(lái)處理海量數(shù)據(jù)。接著，針對(duì)模糊C 均值聚類算法( F u z z yC ．M e a n sa l g o r i t h m ，F(xiàn) C M ) 在聚類過(guò)程中不需要任何的先驗(yàn)知識(shí)，可以發(fā)現(xiàn)未知攻擊類型，具有過(guò)程簡(jiǎn)單、收斂速度快等優(yōu)點(diǎn)，但誤報(bào)率略高，而C 4 ．5 決策樹(shù)算法是一種有監(jiān)督分類方法，需要利用預(yù)先標(biāo)記好的訓(xùn)練數(shù)據(jù)進(jìn)行模型構(gòu)建，可以較好地檢測(cè)出已知攻擊類型，但對(duì)未知攻擊類型的檢測(cè)能力較差

4、的特點(diǎn)，將F C M 和C 4 ．5 相結(jié)合，構(gòu)建了一個(gè)雙過(guò)濾入侵檢測(cè)模型。模型首先采用F C M 算法初步過(guò)濾掉明顯的正常數(shù)據(jù)，從而減少了第二層過(guò)濾的數(shù)據(jù)量；第二層運(yùn)用決策樹(shù)C 4 ．5 算法進(jìn)行細(xì)過(guò)濾，從而獲得效率與精度的提高。通過(guò)數(shù)據(jù)集K D D c u P 9 9 的實(shí)驗(yàn)驗(yàn)證，組合過(guò)濾算法能充分發(fā)揮了F C M 能檢測(cè)到未知攻擊的能力與C 4 ．5 低誤報(bào)率和對(duì)已知攻擊高檢測(cè)率的優(yōu)點(diǎn)，并克服F C M 檢測(cè)率低和C 4 ．5 對(duì)