基于模糊关联规则挖掘的入侵检测算法研究

论文摘要

入侵检测（Intrusion Detection）被认为是防火墙之后的第二道安全闸门。它通过收集和分析网络行为、安全日志、审计数据以及其它网络上可以获得的信息和计算机系统中若干关键点的信息,检查网络或系统中是否存在违反安全策略的行为和被攻击的迹象,在网络系统受到危害之前拦截和响应入侵,并能在不影响网络性能的情况下能对网络进行监测。它是一种积极主动地安全防护技术,能够提供对内部攻击、外部攻击和错误操作的实时保护。本文研究数据挖掘在入侵检测中应用,对基于关联规则挖掘的入侵检测算法进行研究与改进,主要工作如下：1.研究目前数据挖掘在入侵检测中的应用,分析其优点与存在的不足。针对其中关联规则挖掘算法普遍存在的边界锐化的缺点,为其引入模糊技术,以软化边界,研究关联规则挖掘常用的Apriori算法,结合模糊关联规则挖掘,设计Fuzzy-Apriori算法,并设计一种基于模糊关联规则挖掘的入侵检测算法。2.研究入侵检测中必须面对的增量更新问题,提出增量挖掘的方法,以图更快的解决入侵检测规则集的更新维护问题。分析现有的增量更新算法优点与缺点,设计一种改进的增量更新算法FIUA,解决入侵检测规则集更新过程中存在的实时性不足等问题。3.采用国际权威的KDD CUP99入侵检测数据库作为实验数据,通过实验对比基于关联规则挖掘的入侵检测算法与基于模糊关联规则挖掘的入侵检测算法,比较其准确率、误报率,漏报率,验证本文提出算法的有效性。对比本文提出的增量更新算法与FUP算法和重新挖掘算法时间性能,验证提出的增量更新算法的有效性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 选题背景
• 1.2 入侵检测研究现状
• 1.3 研究内容及意义
• 1.3.1 研究内容
• 1.3.2 研究意义
• 1.4 论文组织结构
• 第2章 入侵检则和数据挖据技术概述
• 2.1 入侵检测技术
• 2.1.1 入侵与入侵检测系统
• 2.1.2 入侵检测常用分类
• 2.1.3 入侵检测常用分析技术
• 2.1.4 入侵检测技术发展方向
• 2.2 数据挖掘在入侵检测中的应用
• 2.2.1 数据挖掘技术
• 2.2.2 数据挖掘应用到入侵检测
• 2.2.3 关联规则挖掘技术
• 2.2.4 模糊技术
• 2.3 本章小结
• 第3章 模糊关联规则算法设计与应用
• 3.1 布尔型关联规则挖掘的局限
• 3.2 模糊关联规则算法设计
• 3.2.1 模糊关联规则支持度与置信度公式推导
• 3.2.2 Fuzzy-Apriori算法设计
• 3.3 模糊关联规则应用到入侵检测
• 3.3.1 模糊关联规则算法应用概述
• 3.3.2 模糊关联规则算法应用实例
• 3.4 本章小结
• 第4章 模糊关联规则增量更新算法研究
• 4.1 模糊关联规则增量更新
• 4.1.1 增量更新研究意义
• 4.1.2 FUP算法介绍与问题分析
• 4.2 FIUA算法设计
• 4.2.1 FIUA算法框架设计
• 4.2.2 FIUA算法具体设计与应用
• 4.3 本章小结
• 第5章 实捡测试结果与分析
• 5.1 实验环境与数据源
• 5.2 基于模糊关联规则的入侵检测算法实验
• 5.2.1 数据预处理
• 5.2.2 模糊化处理
• 5.2.3 模糊匹配算法
• 5.2.4 实验结果分析
• 5.3 FIUA算法实验
• 5.4 本章小结
• 第6章 总结与展望
• 6.1 论文总结
• 6.2 展望
• 参考文献
• 致谢