基于随机森林算法的混合入侵检测系统研究.pdfVIP

第 l6卷第3期 西安文理学院学报：自然科学版 V01．16 No．3 2013年 7月 JournalofXi’anUniversityofArtsScience(NatSciEd) Ju1．2013 文章编号：1008-5564(2013)03-0068-04 基于随机森林算法的混合入侵检测系统研究 胡 宏，陈彦萍 (西安邮电大学计算机学院，西安710121) 摘 要：目前 ，许多入侵检测系统都是采用误用检测模式 ，无法检测出未知的攻击；而一些基于数据 挖掘的异常检测系统，虽然对未知攻击具有较高检测率，但普遍的缺点是误报警率很高，导致真正的攻 击湮没在大量的误报警之中．通过对误用检测和异常检测的研究，结合它们的优点，提出了一种基于随 机森林算法的混合入侵检测系统 ：首先使用基于Snort的误用检测组件过滤掉网络数据中的已知攻击； 之后，数据被送入异常检测组件．在此组件中，通过对随机森林算法的改进 ，设计了一种无监督的离群点 检测方式，可以有效检测出新的攻击 ，并且在误报警率很低的时候 ，也能得到较高的检测率． 关键词：入侵检测；随机森林 ；离群点；无监督 中图分类号：TP393．08 文献标志码：A ResearchonHybridIntrusionDetectionSystem BasedonRandom ForestAlgorithm HU Hong，CHEN Yan-ping (SchoolofComputerScienceandTechnology。Xi’naUniversityofPostsandTelecommunications-Xi’an710121，China) Abstract：Themisusedetectionmodeofintrusiondetection systemshasbeenwidelyadopted andyetithasproventobeineffectiveindetectingnew attacks．Theresultinghigherdetection ratehasthedefectofhigherfalsealarm rate．Asaresult，thetureattacksareofienmissedin thegreatnumberoffalsealarms．Basedonaresearchoftheerrordetectionandanomalydetec- tionandwiht aconsiderationoftheiradvantages，wehaveproposedahybridintursiondetection system basedonrandom forestalgorithm．FirstImostoffamiliarattacksarefilteredwithSnort — basedmisusedetectioncomponents．Then，thedatafilteredweresenttotheanomalydetec— tioncomponents，inwhich，htroughtheimprovementofrandom forestalgorithm，anunsuper- visedoutlierdetectionmethodwasdesigned．Thesuggestedmehtodiseffectiveindetectingnew attacks．Evenwhenfalsealarm rateislow，thedetectionrateprovestobehigh． Keywords：intrusiondetection；random forest；outlier；nonsupervision 随着互联网技术的飞速发展，网络安全问题 日益突出，如何保障网络信息的安全成为人们关注的焦 点．信息安