基于数据挖掘的网络异常检测技术研究

论文摘要

21世纪的信息化革命给人类社会带来了翻天覆地的变化，改变了全球的信息交流方式，随着计算机和通信技术的发展，网络成为当今世界发展的重要因素。网络环境变得日益复杂，网络安全问题更是日益突出，传统的安全保护技术已经不能适应计算机网络的发展，因此，网络安全技术的研究具有重要的社会意义和现实意义。入侵检测是网络安全技术研究中的热点，目前已经取得一定的发展，也推出了许多商业化的产品，但由于存在检测效率不高，适应能力不强，以及扩展性不足等缺点，难以完全满足计算机网络的安全保障需要，仍需继续对其进行研究，使入侵检测系统更完善。为此，本文在研究数据挖掘技术的基础上，设计并实现了一种新的数据挖掘模型，并将其应用到网络入侵检测中，改进了现有检测算法和模型的不足，提高了入侵检测系统的效能。本文所做主要工作具体如下：首先，在综述计算机网络的发展现状、入侵检测技术和数据挖掘的相关知识的基础上，分析了传统入侵检测技术存在的问题，指出了入侵检测的发展趋势，引出了基于数据挖掘的入侵检测系统。数据挖掘技术的应用，提高了检测的效率，增强了系统的自适应性和扩展性。然后，深入分析了基于数据挖掘的入侵检测算法的研究现状，提出了一种基于各向异性质心Voronoi图的网络异常检测算法，并基于新算法构造了一个分布式的网络异常检测系统模型。理论分析表明，新算法可在一定程度上解决对大规模的数据集进行聚类、处理复杂形状的聚类的问题，消除了孤立点数据和“噪声”对聚类效果的影响，得到聚类全局最优解。最后，给出了新的异常检测算法的具体实现过程，并使用KDD Cup1999提供的数据集的子集对系统性能进行测试，将算法与部分已有同类方法进行了比较。仿真结果表明，新算法具有较高的检测率和较低的误检率。

论文目录

• 摘要
• Abstract
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 研究现状
• 1.3 研究内容
• 1.4 论文结构
• 第2章 入侵检测技术
• 2.1 入侵检测的概念
• 2.2 入侵检测的分类
• 2.2.1 根据信息源分类
• 2.2.2 根据分析方法分类
• 2.2.3 根据体系结构分类
• 2.3 入侵检测的方法
• 2.4 入侵检测系统模型
• 2.5 入侵检测技术的不足及发展趋势
• 2.6 本章小结
• 第3章 数据挖掘技术
• 3.1 数据挖掘的概述
• 3.1.1 数据挖掘的定义
• 3.1.2 数据挖掘的过程
• 3.1.3 数据挖掘系统结构
• 3.2 数据挖掘分析方法
• 3.2.1 关联规则分析法
• 3.2.2 分类和预测分析法
• 3.2.3 聚类分析法
• 3.2.4 序列模式分析法
• 3.3 数据挖掘在入侵检测中的应用
• 3.4 本章小结
• 第4章 基于各向异性质心 Voronoi 图的网络异常检测技术
• 4.1 各向异性质心 VORONOI 图
• 4.1.1 Voronoi 图
• 4.1.2 质心 Voronoi 图
• 4.1.3 加权 Voronoi 图
• 4.1.4 各向异性质心 Voronoi 图
• 4.2 基于各向异性质心 VORONOI 图的网络异常检测算法
• 4.2.1 点密度的定义
• 4.2.2 异常检测算法的描述
• 4.2.3 异常检测算法的实现
• 4.3 本章小结
• 第5章 实验设计与结果分析
• 5.1 网络异常检测系统框架
• 5.2 实验数据来源
• 5.3 数据预处理
• 5.4 实验环境和测试指标
• 5.5 实验结果分析
• 5.5.1 算法的入侵检测能力
• 5.5.2 算法的曲线图
• 5.5.3 与 K-means 算法的比较
• 5.5.4 与 FP-Growth 算法比较
• 5.6 本章小结
• 结论
• 参考文献
• 致谢