基于离群点挖掘的网络入侵检测方法研究

论文摘要

本文主要研究了基于离群点挖掘的入侵检测方法,首先介绍了各种类型的离群点检测算法,重点分析了基于距离的算法和基于密度的算法的优缺点,从而引入了引力思想,并将其与本文改进后的聚类算法结合,设计了一种引力和聚类相结合的入侵检测算法CGIDA;随后在经典入侵检测数据集KDD CUP99上进行了仿真实验,试验结果表明了该算法在检测率和误检率方面都有显著的提高;另外,本文给出了一种采用特征向量对数据集中符号性属性进行规范化的方法,并理论分析了该方法的合理性;最后将CGIDA算法应用到Snort系统中,并通过模拟实验验证了该应用的合理性和高效性。

论文目录

• 中文摘要
• 英文摘要
• 第一章 引言
• 1.1 选题背景及研究意义
• 1.2 国内外的研究现状
• 1.2.1 入侵检测技术的研究现状
• 1.2.2 离群点挖掘方法的研究现状
• 1.2.3 离群点挖掘在入侵检测中应用的研究现状
• 1.3 课题的研究内容及论文的组织结构
• 第二章 入侵检测和离群点挖掘基本原理
• 2.1 入侵检测
• 2.1.1 入侵检测技术简介
• 2.1.2 入侵检测系统模型
• 2.1.3 入侵检测系统分类
• 2.2 数据挖掘技术
• 2.2.1 数据挖掘简介
• 2.2.2 数据挖掘方法分类
• 2.2.3 数据挖掘方法在入侵检测中的应用
• 2.3 离群点挖掘技术
• 2.3.1 离群点的概念
• 2.3.2 常见的几种离群点挖掘算法
• 2.3.3 离群点挖掘和聚类分析在入侵检测中的应用讨论
• 2.4 本章小结
• 第三章 一种基于引力和聚类相结合的入侵检测方法
• 3.1 问题的提出
• 3.2 引力思想的引入
• 3.3 相关定义
• 3.4 CGIDA 算法的详细设计
• 3.4.1 CGIDA 算法的整体思路
• 3.4.2 聚类算法的选择
• 3.4.3 CGIDA 算法描述
• 3.4.4 算法的时间复杂度分析
• 3.5 本章小结
• 第四章 实验设计与分析
• 4.1 数据集描述
• 4.2 数据的预处理
• 4.2.1 数值型属性的预处理
• 4.2.2 符号型属性预处理
• 4.2.3 距离的计算
• 4.3 实验环境与参数
• 4.4 实验数据的选取与实验结果的分析
• 4.5 本章小结
• 第五章 CGIDA 算法在SNORT 系统中的应用
• 5.1 SNORT 系统基本理论
• 5.1.1 SNORT 结构组成图
• 5.1.2 SNORT 系统的插件机制
• 5.1.3 SNORT 系统的不足
• 5.2 利用CGIDA 算法完善SNORT 系统
• 5.2.1 设计思路
• 5.2.2 异常检测模块的设计
• 5.3 模拟实验
• 5.3.1 实验环境
• 5.3.2 实验步骤和结果
• 5.4 本章小结
• 第六章 总结
• 6.1 本文工作总结
• 6.2 进一步工作
• 参考文献
• 致谢
• 在学期间发表的学术论文和参加的科研情况