基于聚类的入侵检测系统

论文摘要

网络速度的不断提高,对网络入侵检测提出了新的要求,入侵检测必须提高数据的处理速度,提高识别入侵的准确率,并要求能够识别出新的攻击。结合论文需要,介绍了网络的起源、现状,论述了入侵检测系统的发展趋势以及聚类的数学分析方法。为此,本文引入了以主成份分析为基础的特征提取,对于选出的特征,结合使用最大最小值和C-均值相结合的聚类分析方法。减少了数据维数,加快了数据分析,提高了准确率,并能够识别新型攻击。由于用户行为习惯可能会改变,在攻击识别的过程中,对于判别数据,用聚类法分析判别后,再以判别后的数据更新原来的聚类数据,使之能够适用用户习惯的逐渐改变,不必再次训练,减少了训练次数。相对于已知的同类识别方法,采用本文方法,从实验结果来看,在准确率不低于同等方法的前提下,减少了处理时间,能够适应高速网络数据分析要求。

论文目录

• 第一章 绪论
• 1.1 网络安全现状
• 1.2 入侵检测是保障网络和信息安全的必要手段
• 1.3 研究的必要性及完成的主要工作
• 第二章 IDS 的现状和发展趋势
• 2.1 入侵检测的起源
• 2.2 入侵检测系统的定义和功能
• 2.3 入侵检测系统分类
• 2.4 入侵检测技术
• 2.5 入侵检测技术的发展方向
• 2.6 小结
• 第三章 入侵检测系统
• 3.1 入侵检测系统的基本模型
• 3.2 入侵检测的工作模式
• 3.3 入侵检测的过程
• 3.4 入侵检测的性能评估
• 3.5 小结
• 第四章 聚类与特征提取
• 4.1 聚类的引入
• 4.2 类的定义和类间距离
• 4.3 聚类的算法
• 4.4 归一化处理
• 4.5 数据简约与主成份分析
• 4.6 小结
• 第五章 基于聚类入侵检测系统的实现
• 5.1 系统的整体架构
• 5.2 KDD99 数据的简介
• 5.3 功能模块设计及实现方法
• 5.4 测试结果和结果分析
• 5.5 小结
• 第六章 总结与展望
• 6.1 工作总结
• 6.2 研究体会
• 6.3 进一步工作展望
• 致谢
• 参考文献
• 发表论文及科研工作情况