入侵检测系统的特征提取方法研究及其实现

论文摘要

随着互联网的迅猛发展,黑客攻击日益猖獗,网络安全问题日趋严峻,据统计,全球几乎每20秒就有一起黑客事件发生,仅美国每年由此造成的经济损失就超过100亿美元,因此,网络安全成为当今社会关注的焦点。目前,实现网络安全的技术包括:入侵检测技术、防火墙技术和安全路由器技术等,其中的入侵检测技术由于其对已知的各种入侵具有较好的识别能力,成为P2DR(Policy, Protection, Detection, Response即策略、防护、检测、响应)安全模型的一个重要组成部分,它是动态安全技术的最核心技术之一。从上世纪80年代Anderson提出入侵检测模型和80年代中期SRI公司设计并成功实现著名的IDES(入侵检测系统)以来,尽管入侵检测技术已取得了很大的发展,但是,随着网络技术的飞速发展与信息传输的实时性要求加快,入侵检测仍面临不少问题,如检测率不高、漏报率较高、检测速度不适应高速网络的发展等。为解决当前入侵检测系统存在的问题,人们正研究在入侵检测中如何采用机器学习方法和数据挖掘技术实现入侵检测的智能化。本文紧密围绕智能入侵检测中特征提取和基于数据挖掘的数据分类这二方面的关键技术开展研究。1.在入侵检测特征提取方面,研究了采用主成分分析(Principal Component Analysis,PCA)和核主成分分析(Kernel Principal Component Analysis,KPCA)的入侵检测特征提取方法。通过对入侵检测KDDCUP99数据集进行大量对比实验,表明,采用核主成分分析后数据的维数,只有采用主成分分析后数据维数的一半,入侵检测的检测率也提高了近3个百分点。2.研究了当前智能化入侵检测系统当前存在的问题,并把数据挖掘技术应用于入侵检测系统。论述了基于Apriori算法和CAEP(通过聚集显露模式分类)的入侵特征提取的原理,结合ORACLE9i的数据挖掘引擎,分析其建立分类、预测和关联类的基本数学模型,以及通过JAVA为基础的API来访问这些数学模型的建立和评价(Building and Scoring)功能。3.设计了一个基于数据挖掘算法并集成神经网络的网络型入侵检测系统的原型。通过在入侵检测系统的引擎中采用数据挖掘算法,不仅提高了系统的检测率,而且,由于采用的数据挖掘算法具有自学习功能,实现了入侵检测的智能化。

论文目录

• 中文摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题研究背景
• 1.2 信息安全研究的现状和发展动态
• 1.3 入侵检测系统的发展历程及主要发展趋势
• 1.4 本文的主要研究内容
• 第2章 入侵检测系统概述
• 2.1 入侵检测技术的分类
• 2.1.1 入侵检测分类方法
• 2.1.2 异常入侵检测
• 2.1.3 误用入侵检测
• 2.1.4 主机型入侵检测技术
• 2.1.5 网络型入侵检测技术
• 2.2 入侵检测的信息源
• 2.2.1 操作系统的审计记录
• 2.2.2 系统日志
• 2.2.3 应用程序日志
• 2.2.4 网络入侵检测数据源
• 2.3 入侵检测的CIDF 模型
• 2.3.1 CIDF 的体系结构
• 2.3.2 CIDF 的通信机制
• 2.3.3 CIDF 的语言
• 2.3.4 CIDF 的接口
• 2.3.5 IDWG 的标准化工作
• 2.4 基于机器学习的入侵检测
• 2.4.1 基于无监督学习的特征提取
• 2.4.2 入侵检测的自动分类算法
• 2.5 小结
• 第3章 入侵检测中的特征提取技术研究
• 3.1 入侵检测数据预处理与特征提取
• 3.1.1 入侵检测的数据预处理技术
• 3.1.2 入侵检测数据预处理存在的问题
• 3.2 主成分分析特征提取研究
• 3.2.1 主成分分析在入侵检测特征提取中的应用
• 3.2.2 采用主成分分析方法的入侵检测仿真实验
• 3.2.3 实验结果与分析
• 3.3 核主成分分析特征提取研究
• 3.3.1 基于核主成分分析的入侵检测特征提取
• 3.3.2 采用核主成分分析方法的入侵检测仿真实验
• 3.3.3 实验结果与分析
• 3.4 PCA 与KPCA 在入侵检测数据预处理中的比较
• 3.5 面临的问题及对策
• 3.6 小结
• 第4章 入侵检测特征提取的数据挖掘技术
• 4.1 数据挖掘技术简介
• 4.1.1 知识发现（KDD）过程
• 4.1.2 常用的数据挖掘算法
• 4.2 基于Apriori 算法和CAEP 的入侵特征提取
• 4.2.1 基本概念
• 4.2.2 Apriori 算法:使用候选项集寻找频繁项集
• 4.2.3 CAEP（通过聚集显露模式分类）
• 4.2.4 提取入侵特征的实现方法
• 4.3 基于ORACLE9i 的数据挖掘引擎的网络数据挖掘
• 4.3.1 ORACLE9i 的数据挖掘引擎（Data Mining Engine）简介
• 4.3.2 ODM（Oracle Data Mining）过程和API 函数简介
• 4.3.3 ODM 建立关联规则挖掘模型
• 第5章 基于集成学习的智能入侵检测系统设计
• 5.1 系统设计总体思路
• 5.2 系统体系结构
• 5.2.1 数据采集及系统实现关键技术
• 5.2.2 特征提取
• 5.2.3 数据挖掘算法与集成神经网络分类引擎
• 5.3 原型系统主要数据结构
• 5.4 小结
• 结论
• 参考文献
• 附录：攻读硕士期间发表的论文
• 致谢