基于改进决策树的入侵检测算法的研究

论文摘要

随着网络技术的飞速发展,安全问题越来越突出。原有的防火墙技术很难保障网络的安全,入侵检测系统在当前开始发挥出越来越重要的作用。而入侵检测算法作为入侵检测系统的基础就显得更加重要。本文通过对各类检测算法的分析对比,发现决策树算法具有结构相对简单,生成的规则易于理解,分类精度高,检测速率快,不需要人为参数设置等优点。但决策树算法本身也具有缺点。本文将对经典的基于信息增益的决策树算法进行改进,使之更好的用于入侵检测。鉴于此,本文提出一种基于决策树与属性相关性相结合的入侵检测算法,随后又接着提出了一种综合策略的剪枝算法以避免过度拟合对检测结果的影响。并使用KDD CUP99入侵检测数据集实验并进行了分析,实验结果证明,该分类算法在检测率以及误检率上面都较原始的基于信息增益的决策树分类算法有了明显提高,而且在结合综合策略剪枝算法后发现本算法在入侵检测的性能上得到了进一步的提升。通过本算法在面对未知攻击时的实验发现,本算法不仅在面对已知攻击时能够做出良好的判断,在面对未知攻击时仍然具有一定的检测能力,具有良好的可用性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景与意义
• 1.2 常见的攻击方法
• 1.2.1 拒绝服务攻击DoS（Denial of Service attacks）
• 1.2.2 R2L攻击（Remote to Local attacks）
• 1.2.3 U2R攻击（User to Root Attacks）
• 1.2.4 探针攻击（Probe attacks）
• 1.3 入侵检测的发展历程
• 1.3.1 概念的提出
• 1.3.2 模型的发展
• 1.3.3 技术的进步
• 1.4 目前常用的入侵检测系统（IDS）
• 1.5 论文研究内容
• 1.6 论文的组织结构
• 第2章 入侵检测关键技术的研究现状
• 2.1 误用检测技术简介
• 2.2 常见异常检测技术介绍
• 2.2.1 基于概率统计模型的异常检测方法
• 2.2.2 基于聚类分析的异常检测方法
• 2.2.3 基于神经网络的异常检测方法
• 2.2.4 基于规则的异常检测方法
• 2.2.5 基于人工免疫的异常检测方法
• 2.2.6 基于数据挖掘的异常检测方法
• 2.2.7 基于进化计算的异常检测方法
• 2.2.8 基于实例学习的异常检测方法
• 2.3 决策树基本知识介绍
• 2.3.1 决策树的创建与分类思想
• 2.4 本章小结
• 第3章 基于改进决策树的入侵检测算法的设计
• 3.1 基于信息熵的决策树算法介绍
• 3.1.1 基于信息增益ID3算法的基本思想
• 3.1.2 ID3算法的优势与不足
• 3.1.3 基于信息增益的C4.5算法
• 3.2 基于相关性的改进决策树成树算法设计
• 3.2.1 决策树算法用于入侵检测的优势
• 3.2.2 原有决策树算法用于入侵检测的不足之处
• 3.2.3 算法基本原理
• 3.2.4 独立性检验与信息熵相结合的分类算法
• 3.3 基于多变量综合策略剪枝算法的设计
• 3.3.1 目前主要剪枝算法
• 3.3.2 基于多变量综合策略的剪枝算法
• 3.4 本章小结
• 第4章 实验与性能分析
• 4.1 KDD CUP99数据集的介绍
• 4.1.1 数据基本属性介绍
• 4.1.2 包含攻击类型介绍
• 4.1.3 KDD CUP99数据格式
• 4.2 实验与分析
• 4.2.1 实验总体结构说明
• 4.2.2 训练过程
• 4.2.3 测试过程
• 4.3 本章小结
• 第5章 结论与展望
• 参考文献
• 致谢