基于半监督聚类的入侵防御系统研究

论文摘要

传统的计算机网络安全解决方案主要指防火墙和入侵检测系统,这些方法都有其自身不足之处,入侵防御技术作为防护计算机网络免遭入侵破坏的一种有效手段在网络安全领域日益受到研究人员的重视,成为目前信息安全领域的研究热点之一。本文针对K均值聚类算法依赖于初始值的选择,且容易收敛于局部极值的缺点,提出了一种基于粒群优化的K均值算法,利用粒群优化指导K均值算法的初始值选择,使其容易收敛到全局极值。将此算法应用到入侵检测中,实验结果说明聚类效果好,算法收敛快、容易实现。本文针对基于无监督学习的入侵检测算法准确度不高、基于监督学习的入侵检测算法训练样本难以获取的问题,提出了一种粒子群改进的K均值半监督入侵检测算法,利用少量的标记数据生成正确样本模型来指导大量的未标记数据聚类,对聚类后仍未能标记数据采用粒群优化的K均值算法进行聚类,有效提高分类器的分类准确性,并实现了对新类型攻击的检测。实验结果表明,算法的整体检测效果明显优于基于无监督学习和监督学习的入侵检测算法。本文在研究入侵防御系统Snort inline和IPtables配置的Netfilter防火墙联动的基础上,建立了一种基于半监督聚类的入侵防御系统模型,该系统主要包括入侵检测模块、数据包获取模块、日志记录模块和中央控制模块等四大模块。重点设计了入侵检测模块中的检测算法部分,将基于粒群优化的半监督聚类算法作为检测器的核心算法,并给出了其他模块的功能及结构。最后通过搭建及实验,证明系统能完成入侵检测、日志记录、文件过滤、网络监听等基本功能。系统以后台方式运行,占用内存少,具有较高的实际应用价值。

论文目录

• 摘要
• ABSTRACT
• 第1章 引言
• 1.1 课题背景
• 1.1.1 Internet 的发展以及日益突出的安全问题
• 1.1.2 入侵防御系统（IPS）概念的提出
• 1.1.3 半监督学习在入侵检测中的引用
• 1.1.4 现有网络安全产品存在的问题
• 1.2 国内外研究现状
• 1.3 研究内容及组织结构
• 第2章 入侵防御系统简介
• 2.1 入侵检测技术概述
• 2.1.1 入侵检测定义
• 2.1.2 入侵检测模型
• 2.1.3 其他检测模型
• 2.1.4 存在问题
• 2.2 入侵防御系统
• 2.2.1 入侵防御系统概念
• 2.2.2 入侵防御系统与入侵检测系统的区别
• 2.2.3 常见入侵防御系统结构
• 2.2.4 入侵防御系统的发展方向
• 2.2.5 入侵防御系统的实现难点
• 2.3 本章小结
• 第3章 基于聚类的入侵检测技术
• 3.1 聚类概述
• 3.1.1 数据间的相似性度量
• 3.1.2 类间距离
• 3.2 主要聚类算法的分类
• 3.3 基于粒群优化的K 均值算法
• 3.3.1 K 均值算法
• 3.3.2 粒群优化
• 3.3.3 粒群优化的K 均值算法
• 3.3.4 实验与分析
• 3.4 本章小结
• 第4章 基于半监督聚类的入侵检测技术
• 4.1 半监督聚类
• 4.2 半监督学习理论研究的深入
• 4.3 PSSC 算法
• 4.3.1 算法提出
• 4.3.2 算法描述
• 4.3.3 实验及分析
• 4.4 本章小结
• 第5章 基于半监督聚类的入侵防御系统
• 5.1 系统设计原则
• 5.2 系统结构
• 5.3 入侵防御模块
• 5.3.1 通用入侵检测框架
• 5.3.2 模块设计
• 5.3.3 入侵检测模块
• 5.3.4 Snort 简介
• 5.4 日志记录模块
• 5.5 中央控制模块
• 5.6 网络数据获取模块
• 5.6.1 Netlink 套接字
• 5.6.2 抓包处理
• 5.6.3 数据包传递
• 5.7 系统搭建及实验
• 5.7.1 软件体系结构
• 5.7.2 系统搭建
• 5.7.3 系统运行与实验
• 5.8 本章小结
• 第6章 结论
• 参考文献
• 致谢
• 攻读硕士学位期间发表的论文和参加的科研项目