基于AdaBoost的Linux主机入侵检测系统研究

论文摘要

随着入侵检测技术的重要性日益凸显以及Linux操作系统的地位不断提升,对Linux入侵检测系统进行研究具有重要的现实意义。目前Linux下的入侵检测系统主要使用基于规则匹配和数据完整性校验的模式构建,大部分不具备智能的自适应能力,可扩展性差,检测性能有待提高。本文采用网格技术和集成学习算法AdaBoost,设计了一个新型结构的智能Linux主机入侵检测系统。论文的主要创新工作有:Linux主机入侵检测系统设计中引入了网格技术。系统的数据采集节点采用网格开发工具包Globus Toolkit搭建网格环境,分布式采集Linux主机信息和与Linux主机相关的网络信息;通过网格中间件OGSA-DAI实现特征数据的访问和集成,并以网格服务的形式将特征数据提交给分析中心进行检测分析。网格技术有效地解决了传统Linux主机入侵检测系统中负载集中、可扩展能力差等问题。提出一种基于AdaBoost的入侵特征约减算法,利用该算法约减入侵特征中的冗余特征。在该算法基础上构造Ada-加权、Ada-域值分类器,并与支持向量机分类器进行对比。Linux主机入侵检测系统实验平台验证了特征约减算法和分类方法的有效性。提出一种分级结构的AdaBoost入侵检测方法。该方法通过级连多个分类器来共同完成检测任务,每一级的分类器都是Ada-域值分类器。在Linux主机入侵检测系统的实验平台上训练和测试分级结构的智能入侵检测器,实验结果表明,该方法取得了理想的检测性能。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状
• 1.3 论文的研究内容
• 1.4 论文的组织结构
• 第二章 相关研究
• 2.1 入侵检测系统研究
• 2.1.1 入侵检测系统检测原理
• 2.1.2 入侵检测系统标准
• 2.1.3 入侵检测系统分类
• 2.1.4 现有入侵检测系统的不足
• 2.1.5 入侵检测系统发展趋势
• 2.2 网格技术研究
• 2.2.1 网格的概念
• 2.2.2 OGSA标准
• 2.2.3 Globus Toolkit 4（GT4）简介
• 2.2.4 OGSA-DAI
• 2.3 AdaBoost算法研究
• 2.3.1 集成学习
• 2.3.2 Boosting算法的起源与发展
• 2.3.3 AdaBoost算法介绍及其性能分析
• 2.3.4 AdaBoost算法在入侵检测中的应用
• 2.4 本章小结
• 第三章 系统模型及关键子系统的设计与实现
• 3.1 Linux主机入侵检测系统的模型设计
• 3.1.1 系统设计的目标与原则
• 3.1.2 系统的总体框架
• 3.2 数据采集子系统的设计与实现
• 3.2.1 Linux平台下数据采集的来源
• 3.2.2 入侵特征的选取
• 3.2.3 采集子系统的功能单元划分及设计与实现
• 3.3 数据分析子系统的设计与实现
• 3.3.1 数据预处理器的设计与实现
• 3.3.2 数据分析器的设计与实现
• 3.4 网格技术在系统中的应用
• 3.4.1 网格环境的建立
• 3.4.2 OGSA-DAI的部署
• 3.5 系统实验床
• 3.5.1 实验环境
• 3.5.2 实验结果
• 3.6 本章小结
• 第四章 基于AdaBoost特征约减及分类的入侵检测方法
• 4.1 引言
• 4.2 基于AdaBoost的入侵特征约减算法
• 4.2.1 入侵检测中特征选择方法概述
• 4.2.2 入侵特征约减算法
• 4.3 入侵检测分类器的构造
• 4.3.1 Ada-加权分类器
• 4.3.2 Ada-域值分类器
• 4.3.3 支持向量机分类器
• 4.4 实验结果及分析
• 4.5 本章小结
• 第五章 基于分级结构的AdaBoost入侵检测方法
• 5.1 引言
• 5.2 分级结构的AdaBoost入侵检测方法的设计
• 5.2.1 分级结构入侵检测器的框架结构
• 5.2.2 分级结构入侵检测器的训练方法
• 5.3 实验结果及分析
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 论文工作总结
• 6.2 未来研究工作展望
• 参考文献
• 致谢
• 作者在攻读硕士期间的主要研究成果