以資料探勘技術改善入侵偵測效能之研究.pdfVIP

以資料探勘技術改善入侵偵測效能之研究 朱惠中 吴文進 華梵大學資訊管理學系，台北 摘要：資訊及通訊科技的快速發展舆普及化，已成爲生活舆工作中不可或缺的重要工具，不論政府機關 （構）、 企業組識乃至個人用户，對電腦舆網路的依賴日趨緊密，但相對所引發的資通安全防護問題卻益顯嚴重。在衆 多資通安全防護機制中，入侵偵測系統可以有效偵測入侵渗透及人員濫 （誤）用行爲，並能提供適切的補償控制 措施舆建議，符合風險管控保設、偵測及反應之防獲策略，可视爲落實資通安全政策要求舆落實執行之重要機 制。本研究深入分析入侵偵測系統運作之架構，從對包偵測效能瓶頸點，尋思結合資料探勘技術舆前置對包分 類器來改善偵測效能，經實驗證明，利用資料探勘技術實作前置對包表頭分類器的確可以改善對包比對效能不 佳舆正確率低等問題，而在多種分類器演算法中，又以倒傳遞類神經網路最佳，其正確率92.704％，稍低於約 略集合理論92.867％，但執行速度可增加約112.95倍，同時還兼具偵測未知攻擊的能力。 入侵偵測;倒傳遞類神經網路；資料探勘；網路安全；資訊安全 Abstract:Duetotherapiddevelopmentandgeneralizationofinformationandcommunicationtechnology,the computerhasbecomeanimportanttoolforlife.Indeed,thegovernmentdepartment,governmentagency,the entrepreneurialorganizationandpersonalwhicharedependentoncomputersandtheinternetdaybyday. Intrusiondetectionsystemcaneffectivelydetectintrusion,penetrationandthemisusebehaviorbystaffaswell asappropriatelyapplyforcompensationmeasure,controlmeasure,andsuggestiontofittheprotectionstrategy ofriskcontrolandprevention,detectionandreactioninthemidstoftheinformationandcommunicationsecurity mechanism.Thestudyistoanalyzetheoperationframeworkofintrusiondetectionsystemforfindingthe bottleneckofintrusiondetectionsystem.Settingpacketclassifierandheadclassifierbeforeusingthetechnique ofdataminingcouldimprovepoorefficiencyofcomparepackageandlowaccuracythroughtheevidencefrom experiments.BackPropagationNeuralNetwork(BPN)isthebestoneofthemultipleclassifieralgorithm,and itsaccuracyisupto92.704％ roughlylowerthanRoughSetTheory(RST)isupto92.867％ ;howeverits executedvelocitycouldincreasesome112.95timesanddetecttheunforeseentheattackingability. Key words: intrusion detection; back propagation neural network;data mining; internet securit; informationsecurity 酒藏缺陷， 外，入侵特 ．I¨．Z．LTT、，、 值測率的下 中央處理器 I關 作 法 }所提出的 目分叛器，另 倒傳遁類科 牙稻。 ’案大小 蒂署於横敏 皂速虎理對