基于数据挖掘技术的入侵检测系统研究与设计

论文摘要

随着计算机网络技术的迅猛发展和广泛应用,特别是Internet的快速普及,网络系统面临着越来越多攻击和入侵威胁。入侵检测是继防火墙、数据加密等传统安全保护措施后的又一种新的安全保障技术,它被用于识别和响应对计算机和网络资源进行恶意使用的行为。同时,网络速度的不断提高,对网络入侵检测提出了新的要求,入侵检测必须提高数据的处理速度,提高识别入侵的准确率,并能够识别出新的攻击。基于上述的研究背景,本文开展了基于数据挖掘技术的入侵检测研究。首先,以提高检测算法对未知入侵的检测有效性为目标,从检测率和误报率两个重要指标出发,提出了以聚类分析为主线的入侵连接记录的检测算法。针对传统聚类方法在入侵检测领域中的优势和不足,本文提出了一种结合使用基于距离的层次聚类算法和模糊C-均值算法的新型聚类分析方法,它能够从没有标记的网络入侵连接记录集中检测出异常的连接纪录。其次,针对网络入侵检测系统处理的数据量大,数据维数较多的特点,本文引入了以主成份分析为基础的特征选择,减少了数据维数,加快了数据分析处理的速度,减少了处理时间,以适应高速网络数据分析要求。最后,使用KDD 99数据集验证了所提出的算法效率和性能,并总结今后的研究方向。

论文目录

摘要

Abstract

1. 绪论

1.1 课题背景

1.2 国内外研究现状

1.3 主要研究工作

2. 入侵检测系统

2.1 IDS 结构

2.1.1 IDES 原型系统

2.1.2 CIDF 体系结构

2.1.3 IDS 组件

2.2 IDS 分类

2.2.1 基于体系结构划分

2.2.2 基于检测技术划分

2.3 入侵检测方法

2.3.1 专家系统

2.3.2 简单模式匹配

2.3.3 统计分析

2.3.4 基于规则的检测

3. 数据挖掘技术

3.1 数据挖掘技术简介

3.1.1 数据挖掘概述

3.1.2 数据挖掘系统的结构

3.1.3 数据挖掘过程

3.2 常用数据挖掘方法简介

4. 入侵检测系统中聚类算法的研究与改进

4.1 常见聚类算法简介

4.2 入侵检测系统对聚类算法的要求

4.3 一种适应入侵检测需求的新型聚类算法

4.3.1 避免局部最优解

4.3.2 降低数据维数

4.3.3 适应入侵检测需求的新型聚类算法

4.4 聚类算法在入侵检测系统中的应用

5. 基于数据挖掘的入侵检测系统设计

5.1 系统设计

5.1.1 系统整体结构

5.1.2 数据采集模块

5.1.3 数据预处理模块

5.1.4 检测模块

5.1.5 数据库模块

5.1.6 响应模块

5.2 KDD99 数据简介

5.3 实验结果分析

5.3.1 对同一种攻击进行聚类的结果及分析

5.3.2 对混合各种攻击进行聚类的结果及分析

5.3.3 实验结论

6. 总结与展望

6.1 工作总结

6.2 进一步展望

参考文献

攻读硕士期间科研成果

致谢

基于数据挖掘技术的入侵检测系统研究与设计

论文摘要

论文目录

相关论文文献