基于数据挖掘的入侵检测系统的研究与设计

论文摘要

计算机网络安全已经引起了人们的广泛关注。在允许各种网络资源以开放方式运作的背景下,入侵检测系统成了确保网络安全的一种必要手段。入侵检测技术是继传统的安全保护措施之后新一代的安全保障技术。作为信息安全保障中的一个重要环节,它很好地解决了访问控制、身份认证等传统机制所不能解决的问题,对计算机和网络资源上的恶意访问行为进行识别和响应。由于新的攻击方法的不断出现,尤其是一些互相协作的入侵行为的出现,给入侵检测领域的研究带来了新的课题。传统的入侵检测技术在扩展性和适应性上已不能应付越来越复杂的攻击方式,因此许多其他领域的知识被引入。本文以基于数据挖掘的入侵检测技术为研究内容,以提高入侵检测的检测率、降低误检率为目标,以聚类分析为主线,提出聚类检测算法和模型,并进行仿真实验。首先介绍了入侵检测的概念和相关技术、入侵检测系统的研究现状,然后分析了数据挖掘技术在入侵检测系统中的应用,提出将数据挖掘技术应用于入侵检测中。通过分析入侵检测系统的通用模型,从数据挖掘的基本技术着手,结合入侵检测自身的特点,研究在入侵检测中应用K-means算法、基于相似度的聚类算法和蚁群聚类算法,具体阐述了三种聚类算法的思想,将其应用在入侵检测系统中,并在此基础上,利用KDDCup1999网络数据集的测试数据进行实验测试,进行算法比较。最后,提出将聚类组合算法应用于IDS模型中,并设计了一个基于数据挖掘的入侵检测系统模型,实验证明,新的检测系统具有良好的性能。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景与目的
• 1.2 入侵检测技术
• 1.2.1 入侵检测的研究现状
• 1.2.2 入侵检测系统的分类
• 1.2.3 存在的问题及发展趋势
• 1.3 研究内容与论文结构
• 1.3.1 研究内容
• 1.3.2 论文结构
• 第2章 数据挖掘及其在入侵检测中的应用
• 2.1 数据挖掘概述
• 2.1.1 数据挖掘过程
• 2.1.2 数据挖掘常用技术
• 2.1.3 数据挖掘常见分析方法
• 2.2 数据挖掘技术在入侵检测中的应用
• 2.3 入侵检测系统模型
• 2.4 本章小结
• 第3章 基于数据挖掘的入侵检测算法研究
• 3.1 基于 K-means聚类的入侵检测
• 3.1.1 K-means算法简介
• 3.1.2 K-means算法主要思想
• 3.1.3 K-means算法在入侵检测中的应用
• 3.2 基于相似度聚类的入侵检测
• 3.2.1 基于相似度的聚类算法简介
• 3.2.2 基于相似度的聚类算法主要思想
• 3.2.3 基于相似度的聚类算法在入侵检测中的应用
• 3.3 基于蚁群聚类的入侵检测
• 3.3.1 蚁群聚类算法简介
• 3.3.2 蚁群聚类算法主要思想
• 3.3.3 蚁群聚类算法在入侵检测中的应用
• 3.4 结果分析与性能比较
• 3.4.1 结果分析
• 3.4.2 性能比较
• 3.5 本章小结
• 第4章 基于数据挖掘的IDS的设计与实现
• 4.1 总体结构设计
• 4.2 功能模块分析
• 4.3 异常检测模块的实现
• 4.3.1 算法设计思想
• 4.3.2 算法实现流程
• 4.3.3 实验结果分析
• 4.4 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢
• 个人简历