数据挖掘技术在入侵检测中的应用

论文摘要

随着计算机网络应用的普及和网上商务活动的日益频繁,计算机系统和网络的安全问题越来越突出。攻击事件发生的数量逐年增加,近几年的上升幅度更为明显。同时这些安全事故给社会造成了巨大的经济损失。通常使用入侵避免技术和防火墙技术,例如用户身份认证、避免程序错误等技术来作为防御攻击的第一道防线,但是光有入侵避免技术还不足以完全防止入侵,例如无法防止局域网内部的攻击。因此有必要使用入侵检测技术来作为防御攻击的第二道防线,这样也使入侵检测技术的研究逐渐受到人们的重视。然而,传统的入侵检测系统在有效性、适应性和可扩展性方面都存在不足,尤其是在遇到新的入侵类型时变得无能为力。本文首先介绍了现在流行的一些基于数据挖掘的入侵检测模型,并对每种模型进行了分析,在这个的基础上,提出了用数据挖掘当中的分类算法去构建检测模型,以其通过这些模型能构造出相应的系统,本文也将从数据处理的角度,用数据挖掘的方法根据审计数据建立描述入侵行为的模型,并以此作为描述入侵行为的工具。在模型的建立当中,我们选用了KDD CUP1999的比赛数据来建立误用检测模型,通过Weka数据挖掘软件和Sql server 2000数据库系统对这些数据进行分析,期望能获得一个最佳的分类学习算法。我们先使用C4.5算法对训练数据进行训练,对训练过的攻击记录检测结果相当理想。对于没有经过训练的不理想的检测结果,我们又提出了扩展的C4.5算法,在本文中我们使用保持的方法扩展C4.5,并使用这种方法进行了大量的实验,实验证明这种方法具有检测效果好、运行代价低和训练代价低的优点。本文通过误用检测得出的分类决策树规则,使用Eclipse构造出完整的通用的实时的异常检测模型,最后提出了今后学习和努力的方向。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究的目的和必要性
• 1.2 入侵检测的国内外现状及存在的问题
• 1.3 论文的组织及主要内容和成果
• 第二章 入侵检测方法
• 2.1 入侵检测的概念及功能
• 2.2 入侵检测系统的分类
• 2.2.1 按照信息源分类
• 2.2.2 按照分析方法入侵检测
• 2.2.3 按照检测时机不同分类
• 2.2.4 按系统结构分类
• 2.2.5 按反应机制分类
• 2.3 不同的方法学在入侵检测中的应用
• 2.3.1 基于统计学的方法
• 2.3.2 基于规则的方法
• 2.3.3 基于神经网络的方法
• 2.3.4 基于数据挖掘的方法
• 第三章 数据挖掘
• 3.1 数据挖掘的过程
• 3.2 数据挖掘的常用算法
• 3.2.1 关联分析
• 3.2.2 分类和预测
• 3.2.3 聚类分析
• 3.3 数据挖掘应用入侵检测
• 3.3.1 数据挖掘算法在入侵检测当中应用
• 3.3.2 现有的基于数据挖掘的入侵检测模型
• 3.4 通过数据挖掘建立入侵检测的模型
• 第四章 分类算法的研究及试验分析
• 4.1 决策树算法C4.5
• 4.1.1 判定树归纳算法
• 4.1.2 由判定树提取分类规则
• 4.2 数据源及数据预处理
• 4.2.1 数据源介绍
• 4.2.2 试验环境介绍
• 4.2.3 试验数据预处理
• 4.3 误用检测试验的过程和结果
• 4.3.1 Weka连接数据库
• 4.3.2 训练结果
• 4.4 测试数据集引入及测试结果
• 4.5 算法的改进及产生规则
• 4.5.1 算法的改进
• 4.5.2 误用检测结果
• 4.6 异常检测和实时检测
• 4.6.1 异常检测机的构造
• 4.6.2 实时检测
• 4.7 入侵检测模型的性能评价
• 第五章 总结与展望
• 致谢
• 参考文献
• 攻读学位期间的研究成果