基于层次聚类的入侵检测算法研究

论文摘要

随着计算机网络的迅猛发展,网络与主机安全问题日益突出。入侵检测系统作为杀毒软件和网络防火墙的有益补充,成为了近年来的研究热点。入侵检测系统通过对网络数据流量以及主机审计日志等数据的分析,发现入侵行为,并对入侵行为做出响应,以保护网络和主机系统的安全。本文用层次聚类的方法构造出一种适合入侵检测系统使用的异常检测算法,通过对经典的层次聚类算法的并行化改造,提高了训练和预测的速度,使之更加适用于大流量下的入侵检测。最终构造出的入侵检测系统模型包括数据提取、聚类、预测、响应这四部分。针对已有的网络流量数据和操作系统审计日志,提取出感兴趣的内容,交由聚类部分生成行为轮廓。而后,针对新的网络流量和日志,由预测部分进行分析,如果发现入侵行为,则进行合理的响应。使用KDDCUP99数据集对算法进行测试的结果表明,本算法具有较高的检测率和较好的系统性能。

论文目录

• 提要
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状
• 1.3 论文结构安排
• 第2章 入侵检测技术综述
• 2.1 入侵检测的定义
• 2.2 入侵检测系统
• 2.2.1 入侵检测系统的模型
• 2.2.2 入侵检测系统的分类
• 2.3 入侵检测方法
• 2.3.1 误用检测方法
• 2.3.2 异常检测方法
• 第3章 聚类技术
• 3.1 数据挖掘
• 3.2 聚类算法介绍
• 3.2.1 密度聚类算法
• 3.2.2 划分聚类算法
• 3.2.3 网格聚类算法
• 3.2.4 层次聚类算法
• 第4章 基于层次聚类的入侵检测模型
• 4.1 模型总体结构
• 4.2 数据特征的提取
• 4.3 层次聚类基础概念
• 4.4 CF 树
• 4.5 层次聚类算法
• 4.6 增量式训练
• 4.6.1 正常行为聚类
• 4.6.2 异常行为聚类
• 4.7 预测算法
• 4.8 算法总结
• 第5章 层次聚类算法的并行化
• 5.1 并行编程模型介绍
• 5.2 ADCIC 算法的并行结构
• 5.3 数据提取和训练部分的并行算法
• 5.4 CF 树合并算法
• 5.5 预测部分的并行算法
• 5.6 并行运行环境
• 第6章 实验
• 6.1 实验数据
• 6.2 参数选取测试
• 6.3 检测率对比测试
• 6.4 性能对比测试
• 6.5 实验总结
• 第7章 总结和未来工作
• 参考文献
• 致谢
• 摘要
• Abstract