数据挖掘在入侵检测系统中的应用研究

论文摘要

入侵检测作为一种积极主动的安全防护技术,提供了对内部攻击、外部攻击和误操作的实时保护,在网络系统受到危害之前拦截和响应入侵。现有入侵检测系统不但误警率高,且实时性差,这是因为入侵检测需要处理大量数据。数据挖掘技术的优势在于能从大量数据中发现特征和模式。本文在以上两种技术的基础上,提出了一个基于数据挖掘技术的分布式入侵检测系统模型。首先介绍了该系统模型的基本思想,阐述了其结构及主要功能,着重分析了该系统的数据挖掘过程,利用数据挖掘技术自动地从大量数据中提取重要的特征和新的模式,生成了有意义的规则并建立了检测模型,并且对该数据挖掘过程进行了实验分析。然后就元学习思想在该系统中的应用进行了研究。该分布式入侵检测系统中的各主机可以周期性地交流入侵信息,保证每个主机的入侵检测系统在基于本地网络数据信息进行挖掘学习新知识的同时,还利用元学习方法,挖掘出整个局域网内的入侵信息及模式,以此来提高系统总的检测率。

论文目录

• 第一章 绪论
• 1.1 背景
• 1.2 入侵检测
• 1.3 数据挖掘
• 1.4 论文内容安排
• 第二章 入侵检测和数据挖掘的介绍
• 2.1 入侵检测系统
• 2.1.1 入侵检测系统概念
• 2.1.2 入侵检测模型
• 2.1.3 入侵检测体系结构
• 2.1.4 入侵检测技术
• 2.2 数据挖掘技术
• 2.2.1 数据挖掘定义
• 2.2.2 数据挖掘的模式
• 2.2.3 数据挖掘的技术
• 2.2.4 数据挖掘的应用前景
• 第三章 系统的设计与实现
• 3.1 设计思想
• 3.2 系统的组成以及结构
• 3.2.1 主机代理
• 3.2.2 管理决策部件
• 3.2.3 响应部件
• 3.2.4 通信部件
• 3.2.5 各部件之间的关系以及工作情况
• 3.3 主机代理的设计
• 3.3.1 系统结构
• 3.3.2 工作过程
• 3.4 数据挖掘在滥用检测代理中的应用
• 3.4.1 滥用检测代理结构
• 3.4.2 滥用检测规则的表现形式及检测过程
• 3.4.3 关联规则简单描述
• 3.4.4 关联规则挖掘的具体应用与实现
• 3.5 实验数据及结果
• 3.6 小结
• 第四章 元学习在异常检测中的应用研究
• 4.1 异常检测代理结构
• 4.2 元学习系统的介绍
• 4.3 基本分类器输出的集成方式
• 4.4 元学习在分布式入侵检测中的应用研究
• 4.4.1 数据准备阶段
• 4.4.2 本地分类器学习阶段
• 4.4.3 元分类器训练阶段
• 4.4.4 元分类器分析阶段
• 4.5 实验结果及分析
• 4.6 小结
• 第五章 结论
• 致谢
• 在学习期间的研究成果
• 参考文献