分布式关联规则算法和分布式决策树算法的对比研究

论文摘要

随着计算机技术,网络技术的飞速发展以及广泛采用的分布式计算环境,DDOS网络攻击的行为也越来越多,入侵检测已经是非常重要的防御基础设施中的一种方式。但随着呈指数级增长的数据,传统的方式不能解决目前大规模分布式环境下的网络安全问题。数据挖掘,能够从大量的网络检测数据中找到隐含的有用的知识,与入侵检测技术结合,可有效地提高入侵数据的分析、判断效率和精度。本文阐述了分布式关联规则算法（FDM）、分布式分类决策树算法（SPRINT）。对这两种算法的特点作了详细的分析和比较,指出了它们各自的优势和不足。并参考这两种算法作者提出了在分布式入侵检测环境下的改进型的分布式关联规则算法（TFDM）、改进型的分布式决策树算法（TSPRINT）。算法使用Microsoft Visual C++6.0开发。试验数据用XML统一格式。通过对算法性能的比较和实验结果表明:TFDM算法优于FDM算法,TSPRINT算法优于SPRINT算法,对分布式的大数据集的挖掘TFDM算法优于TSPRINT算法。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题的研究背景
• 1.2 课题的研究意义
• 1.3 国内外研究综述
• 1.4 论文的主要研究工作
• 1.5 本章小结
• 第二章 入侵检测与数据挖掘技术
• 2.1 入侵检测的理论研究
• 2.1.1 入侵检测的概念
• 2.1.2 通用的入侵检测模型以及原理
• 2.1.3 入侵检测采用的检测方法
• 2.1.4 分布式入侵检测
• 2.2 数据挖掘的理论研究
• 2.2.1 数据挖掘的概念
• 2.2.2 数据挖掘数据的研究方法
• 2.2.3 分布式数据挖掘
• 2.3 数据挖掘与入侵检测的结合
• 2.3.1 基于数据挖掘的入侵检测用到的技术
• 2.3.2 用XML实现数据挖掘的入侵检测的数据融合
• 2.3.3 入侵检测中常用的数据挖掘方法
• 2.4 本章小结
• 第三章 FDM算法及TFDM算法研究
• 3.1 概述
• 3.2 分布式关联规则算法研究
• 3.2.1 分布式关联规则基本概念以及理论
• 3.2.2 项目集的裁减
• 3.2.3 频繁集的生成
• 3.3 FDM算法
• 3.4 TFDM算法
• 3.4.1 TFDM算法基本概念
• 3.4.2 关联规则更新算法
• 3.4.3 频繁集的更新
• 3.4.4 分布式入侵检测中改进FDM算法
• 3.5 本章小结
• 第四章 SPRINT算法及TSPRINT算法研究
• 4.1 分布式决策树算法基本概念及理论
• 4.2 SPRINT算法描述
• 4.3 决策树的生成
• 4.4 TSPRINT算法
• 4.4.1 概述
• 4.4.2 分布式入侵检测中改进SPRINT算法
• 4.5 本章小结
• 第五章 算法的分析比较
• 5.1 实验数据简介及网络攻击类型
• 5.2 数据预处理
• 5.3 网络连接记录的基本特征
• 5.4 分布式网络入侵检测的结构介绍
• 5.5 入侵检测常用检测方式
• 5.6 DDOS攻击检测
• 5.7 分布式入侵检测数据挖掘分析
• 5.8 算法的对比
• 5.8.1 通信量与执行时间的比较
• 5.8.2 算法统计连接记录与产生的规则的比较
• 5.9 本章小结
• 第六章 总结
• 参考文献
• 致谢