基于数据挖掘的入侵检测系统的研究

论文摘要

随着计算机网络的普及和通信技术的飞速发展,信息资源极大充足,便利了人们的日常生活,同时信息的保密性和安全性也受到了极大的挑战,此外,攻击工具的增加、使用的简便性更为计算机入侵提供了可能性。传统的安全手段已经不能满足现代网络安全的发展要求,而入侵检测系统作为网络安全系统的第二道防线,由于它的动态性、实时性、主动性,在近年来得到了广泛的研究。由于网络流量越来越大,如果仅仅依靠人工去分析入侵数据,将会耗费很大的人力和物力,而数据挖掘能自动从大量数据中提取出新的模式,减少手工编写正常行为模式和入侵行为模式的工作量。因此,将数据挖掘应用于入侵检测系统,是一个很有可能解决目前网络安全问题的方向。本文在充分学习数据挖掘相关知识的基础上,针对目前入侵检测系统检测效果差,漏报率高的问题,进行了深入研究。主要研究内容和结论如下:(1)详细的分析了WinPcap的结构,WinPcap提供给用户的函数,根据网络协议和端口对数据包进行过滤,根据TCP/IP数据包的格式,分析数据包的长度、源IP地址、目的IP地址、源端口、目的端口等信息,并把这些信息进行存储。(2)为了提高入侵检测系统的检测率和降低误报率,详细的分析了和比较了当前的聚类算法,采用基于克隆算法的网络结构进行聚类,由于传统的变异方法没有考虑变异范围与进化代数的关系,本文改进了传统的变异方法,采用非一致性变异算子,使得抗体的变异和进化的代数有关系,在进化初期,抗体变异范围较大,搜索在较大空间中进行,有利用维持群体多样性;进化后期,抗体变异范围较小,使得最优解的搜索集中在最有希望的局部区域,加强算法的局部搜索能力。(3)针对传统的距离测度公式不能处理离散型属性的数据的特点,采用混合距离测度公式,使入侵检测系统也能对记录中的离散型数据进行计算。最后用KDD99数据集中部分数据进行测试,结果表明该系统能够有效检测出入侵数据。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 本课题研究的背景及其意义
• 1.2 国内外研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究状况
• 1.3 论文研究内容
• 1.4 本章小结
• 第二章 入侵检测技术概述
• 2.1 入侵检测的基础知识
• 2.1.1 入侵检测概述
• 2.1.2 入侵检测的发展阶段
• 2.1.3 入侵检测系统的组成
• 2.2 入侵检测分类
• 2.2.1 按照信息的来源分类
• 2.2.2 按检测方法分类
• 2.2.3 按各个模块运行的分布方式
• 2.3 入侵检测系统面临的问题
• 2.4 入侵检测的发展趋势
• 2.5 本章小结
• 第三章 网络数据捕获基础
• 3.1 网络的数据捕获的原理
• 3.1.1 网卡的工作模式
• 3.1.2 网络开发函数库
• 3.2 WinPcap 函数库
• 3.2.1 WinPcap 的数据结构
• 3.2.2 WinPcap 的主要函数
• 3.2.3 WinPcap 各功能模块
• 3.3 基于WinPcap 的网络数据捕获程序
• 3.3.1 获得本机网络驱动器列表
• 3.3.2 获得已安装的网络驱动器的高级信息
• 3.3.3 打开网卡准备捕获数据包
• 3.3.4 数据包的过滤设定
• 3.3.5 开始捕获数据包
• 3.4 数据包协议分析
• 3.5 程序运行过程
• 3.6 本章小结
• 第四章 聚类算法分析与设计
• 4.1 聚类算法简介
• 4.2 聚类算法的分类
• 4.3 聚类分析在入侵检测中的应用
• 4.3.1 聚类用于入侵检测的过程
• 4.3.2 相似度的计算方法
• 4.4 聚类算法的设计
• 4.4.1 基于克隆算法的网络结构聚类算法
• 4.4.2 基于禁忌克隆的网络结构聚类算法
• 4.4.3 基于克隆聚类的异常检测算法
• 4.5 本章小结
• 第五章 实验分析
• 5.1 试验数据集
• 5.2 数据特征选取
• 5.3 数据预处理
• 5.3.1 对于连续型属性
• 5.3.2 对于离散型的特征属性
• 第六章 结论与展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 致谢
• 作者简介