Web敏感信息监测优化方法研究-计算机应用技术专业论文.docxVIP

论文题目：Web 敏感信息监测优化方法研究 专 业：计算机应用技术 硕 士 生：黑重程 (签 名) 指导教师：薛弘晔 (签 名) 摘 要 近年来，网络攻击行为每年以指数量级的速度增长，网络入侵手段和行为特征不断 变化和更新，传统的静态防御技术已难以胜任网络安全的需求。网络入侵检测系统作为 网络防火墙的有力补充，已经成为网络管理的关键组成部分。目前，应用最广的基于特 征签名的入侵检测系统存在特征签名库必须对新的入侵行为的特征进行手工更新的局 限性。然而采用数据挖掘技术的网络入侵检测系统可以充分发挥数据挖掘处理海量数据 的优势，能够从数据挖掘中发现人们未知的知识和规律，对提高检测效率和准确性具有 重要意义。 通过对各种基于孤立点发现算法的研究，比较各种算法的优劣性，选用、改进优化 了一种孤立点数目 n 阈值自动调整的局部异常孤立点动态挖掘算法：n-IncLOF 算法。在 该算法中考虑到孤立点在流数据发生时的不均匀性，给出了孤立点数目阈值 n 调整函数， 分析了算法过程中数据点的插入、删除和修改等过程，给出了改进 n-IncLOF 算法描述， 并分析了算法的复杂度。同时，设计并实现了采用 n-IncLOF 算法做检测引擎的基于主 机和网络混合特征属性的实时网络入侵异常检测系统 OutlierDIDS。 最后，使用该系统通过对 KDD CUP99 数据流的异常检测实验表明了 n-IncLOF 算 法对孤立点数目的变化具有很强的自适应能力，相比原算法不仅大幅提高了检测率，降 低了误报率。同时也表明 OutlierDIDS 系统满足网络入侵检系统对有效性、自适应性和 实时性的要求。 关 键 词：孤立点；n 阈值；数据流；数据挖掘；网络入侵检测系统 研究类型：应用研究 Su Subject : Research on the Optimization Method of Sensitive Information me me Monitoring for Web Specialty : Computer Application Technology Name : Hei Zhongcheng (Signature) Instructor : Xue Hongye (Signature) Abstract In recent years, the network aggression grow every year by fact exponentially.Network intrusion means and behavior characteristic constant change and update, the traditional static defense technology has already are not suitable for network security needs.The network intrusion detection system as a powerful network firewall complement, has become a key component of network management.At present, the most widely intrusion detection system based on feature has the limitations that the features signature repository must sign on the new characteristics of the intrusions by manual update.However, network intrusion detection system that using data mining technology can give full play to the advantage of process mass data in data mining,can find unknown knowledge and regularity from data mining.It has great significance to improve test efficiency and accuracy . Through various outlier detection algorithm research, the different algorithms inferiority was compared.A dynamical local outlier detection algorithm: n-Inc