基于SBOM算法网络入侵检测系统实现.docVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于SBOM算法网络入侵检测系统实现

基于SBOM算法网络入侵检测系统实现   摘 要: 入侵检测系统的核心部分就是检测引擎,检测引擎采用的算法的优劣直接关系到入侵检测系统的性能。在分析SBOM算法的数据结构和模式匹配过程的基础上,将SBOM算法引入Snort网络入侵检测系统中,得到了实现Snort检测引擎的一种新的方法。实验结果表明,SBOM算法在模式集较大的情况下性能比较具有优势,并且随着最小模式长度以及模式集的增长算法具有更好的性能。   关键词: 入侵检测系统; Snort; 模式匹配; SBOM   中图分类号: TP309 文献标识码: A 文章编号:2095-2163(2013)03-0090-03   The Implementation of Network Intrusion Detection System based on SBOM Algorithm   ZHOU Lihua   (Computer Network Center, Guizhou Minzu University, Guiyang 550025, China)   Abstract: The detection engine is the core module of the intrusion detection system. The efficiency of pattern matching algorithm used in detection engine decides the performance of this type of intrusion detection system. This paper implements the SBOM algorithm in Snort and obtains a new method of Snort detection engine. The result of experiment indicates that algorithm being comparatively excellent for large keyword sets, and progressively better for large alphabets as the minimum keyword length increases and as the keyword set size increases.   Key words: Intrusion Detection System; Snort; Pattern Matching; SBOM   0 引 言   随着计算机网络的蓬勃发展和快速普及,计算机网络信息安全已成为当今社会的一个焦点问题。传统的计算机网络信息安全防御技术,如防火墙、数字签名等,已经难于适应当前计算机网络攻击的多样性。在此背景之下,入侵检测系统即成为研究的探索方向。入侵检测系统是一种积极主动防御的技术,其工作原理是动态的,可以在入侵过程中对防护系统进行实时监控,无论是发生内部攻击或是外部攻击,入侵检测系统均能对其提供实时的保护。入侵检测系统的核心部分就是检测引擎,检测引擎的算法优劣将直接关系入侵检测系统的性能[1]。   1 SBOM算法数据结构   本文将近年来较新提出的基于Factor Oracle自动机的SBOM(Set Backward Oracle Matching)算法运用到Snort中。多模式的SBOM算法是BOM(Backward Oracle Matching)算法的扩展。BOM算法通过模式串建立一种类似于Trie的数据结构Oracle因子[2],Oracle由一系列节点因子连接而成,能接收模式串中所有的节点因子。事实上,Oracle的数据结构就是一种结构紧凑的确定型自动机,能够识别其所建立的关键字的所有因子,构建Oracle因子的算法可参考文献[3],此处不再赘述。图1是BOM的Oracle数据结构。   多模式的SBOM(Set Backward Oracle Matching)算法继承了BOM算法的Oracle数据结构和Aho-Corasick算法的Trie数据结构。在进行预处理过程中将根据所有模式串构造模式匹配的Oracle结构,以识别匹配窗口的最长字串。由于各个模式串的长度可能互不相同,为了不致遗漏正确的匹配,SBOM算法对模式串进行了如下处理[4]:   图1 BOM算法的Oracle数据结构   Fig.1 Oracle data structure of the BOM algorithm   (1)求模式串中最小串的长度,记为Imin。   (2)根据模式串集合P={prefix(p,Imin)| p∈P}进行构造Oracle,即使用

文档评论(0)

erterye + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档