基于数据挖掘的入侵检测方法研究

论文摘要

随着网络和其它信息技术的广泛应用,网络系统的安全变得至关重要。入侵检测技术作为一种主动的安全保障措施,有效地弥补了传统网络安全防护技术的缺陷,已经成为网络信息安全的一个重要研究领域。将数据挖掘技术应用于入侵检测也取得了一些成果和进展。如何将数据挖掘算法更有效地结合到入侵检测中,是研究要解决的问题之一。本文通过分析数据挖掘技术,将关联规则算法和聚类算法运用于入侵检测。所作的工作主要有以下几点:为了对未标识网络数据进行入侵检测,提出了一种新的基于聚类的无监督检测方法。该方法通过欧氏距离度量数据之间的差异,根据相似性准则建立初始聚类簇,然后用混合遗传算法对初始聚类进行优化组合,进行入侵检测。该方法不需要预设聚类数目,克服了初始聚类对结果的影响,提高了聚类质量,实验结果表明该方法有较好的检测率和较低的误警率。在用关联规则算法进行入侵检测中,关联规则算法直接影响到入侵检测的效率,因此本文提出一种改进的基于FP-tree的关联规则算法,该算法将数据库划分为不重叠的几部分,对各部分进行关联规则挖掘,在挖掘过程中采用对事务集进行重新排序的方法,最后合并满足最小支持度的各部分频繁模式得到全局频繁模式。该方法避免了产生大量侯选集,减少了建树时间,降低了内存开销,从而提高了算法的效率。本文还采用基于FP-tree的增量更新算法对模式库进行更新,从而对入侵模式库进行补充,来提高检测的效率。最后提出一种实时的检测方法思想。该方法通过采用改进关联规则算法来建立正常行为模式库和入侵行为模式库,然后通过对实时网络数据进行增量挖掘,来更新模式库,通过与模式库的匹配实现入侵检测。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 论文的研究目的
• 1.2 入侵检测国内外研究现状
• 1.3 本文的研究内容和安排
• 第二章 入侵检测与数据挖掘
• 2.1 入侵检测基本原理
• 2.1.1 入侵检测的分类
• 2.1.2 入侵检测的体系结构
• 2.1.3 入侵检测系统存在的问题及发展趋势
• 2.2 数据挖掘算法
• 2.2.1 关联规则算法
• 2.2.2 分类分析算法
• 2.2.3 序列分析算法
• 2.2.4 聚类分析算法
• 2.3 数据挖掘技术在网络入侵检测中的应用
• 2.4 本章小结
• 第三章 基于无监督聚类的入侵检测方法研究
• 3.1 现有算法存在的缺陷
• 3.2 基于无监督聚类混合遗传算法的入侵检测方法
• 3.2.1 无监督聚类混合遗传算法
• 3.2.2 检测方法
• 3.3 数据预处理
• 3.3.1 实验数据来源
• 3.3.2 数据处理
• 3.4 实验结果
• 3.5 本章小结
• 第四章 基于关联规则挖掘的入侵检测方法研究
• 4.1 关联规则挖掘
• 4.1.1 关联规则挖掘的基本概念
• 4.1.2 FP-growth算法
• 4.2 一种改进的基于FP-growth关联规则算法
• 4.2.1 改进的关联规则挖掘算法思想
• 4.2.2 算法步骤
• 4.2.3 实验结果
• 4.3 关联规则的增量维护
• 4.3.1 关联规则的更新
• 4.3.2 基于FP-tree的关联规则更新
• 4.4 基于关联规则挖掘的入侵检测方法
• 4.4.1 正常行为模型及入侵行为模型的建立
• 4.4.2 实时挖掘检测方法
• 4.5 本章小结
• 第五章 结论与展望
• 5.1 总结
• 5.2 进一步的研究工作
• 参考文献
• 致谢
• 攻读硕士期间的主要研究成果