数据挖掘方法在入侵检测中的应用研究-模式识别与人工智能.pdfVIP

第21卷摇 第4 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 模式识别与人工智能摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Vol.21摇 No.4 摇 2008年8月摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 PR AI摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Aug摇 摇 2008 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 数数据挖掘方法在入侵检测中的应用研究* 周摇 荃摇 摇 赵凤英摇 摇 王崇骏摇 摇 陈世福 (南京大学 计算机科学与技术系计算机软件新技术国家重点实验室 南京摇 210093) 摘摇 要摇 针对入侵检测数据集具有的类别不均衡性、数据中心重叠、噪音、分布率变化等问题,提出一种集多种数 据挖掘方法的解决方案,包括 鄄means、C4.5、SVM、Na觙ve Bayes、Bayes Net、Co鄄training等,并进行相关实验.实验结k 果表明其有效性. 关键词摇 重复性,不均衡,入侵检测,软集成,取样 中图法分类号摇 TP 181 Study of Data Mining in Intrusion Detection ZHOU Quan,ZHAO Feng鄄Ying,WANG Chong鄄Jun,CHEN Shi鄄Fu (National Key Laboratoryfor Novel Software Technology,Department of Computer Science and Technology,Nanjing University,Nanjing 210093) ABSTRACT The solution based on multi鄄approaches of data mining involving k鄄means, C4.5, Na觙ve Bayes, Bayes net and Co鄄training is proposed in order to deal with the major problems of intrusion detection dataset such asclassbalance,classoverlapping,noise,distributionsetc. Theexperimentresultsshow its validity. Key Words摇 Duplication,Imbalance,Intrusion Detection,Soft鄄Ensemble,Sampling 1摇 引摇 言 MIT入侵检测数据集(以下简称 MIT 数据集) 取自MIT Lincoln Lab攻击情景数据库.它模拟了常 入侵检测对于数据挖掘来说是一个复杂的应用 见的多种入侵,并将其归为4 大类:U2R、DOS、R2L、 场景.它的数据集包含了数据挖掘所要解决的多种 probe.同时该数据集也涵盖了正常的操作normal类 型.具体的数据集描述参见文献[1]. 问题,可以说解决入侵检测问题将是一次数据挖掘 技术的综合应用. 该数据集上存在一些十分复杂的问题,具体如 *国家自然科学基金项目(No60721002)、江苏省高技术研究发展计划项目(No.BG2006027)和江苏省自然科学基 金项目(No.BK2005075)资助 收稿日期:2007-03-07;修回日期:2008-01-07