多元决策自动化入侵检测系统的研究-计算机应用专业论文.docxVIP

摘 摘 要 万方数据 万方数据 摘要 入侵检测是网络安全领域的一个重要的技术，也是目前研究的热点。传统的入侵 检测系统由安全专家根据安全知识手工编码来实现。但在网络日益发展的今天，新的 入侵手段不断出现，每日的网络连接数据也日趋庞大。传统的方法已经暴露出很多问 题，如开发系统工作量大、系统自适应性差、有效性差和响应速度慢。考虑到数据挖 掘技术在海量数据中挖掘有用信息方面的优越性，本文将数据挖掘技术应用到入侵检 测系统的构造，建立一个多元决策自动化入侵检测系统模型，有效地解决了上述问题。 系统开发的工作量不但影响系统的更新速度，还决定着系统开发的可行性。本文 提出应用数据挖掘技术实现入侵检测系统的自动化构造，有效地解决工作量大的问 题。其中，在用聚类算法识别全新入侵类型时，引入惯性比常量的概念和倍增逼进策 略。 为提高自适应性，本文采用的策略是：定期地更新学习集，使新的入侵方法及时 地被发现；用异常检测的方法（采用了关联规则和频繁时序算法）分析学习集,发现 新的入侵模式，用这些模式构建新的特征集，然后再用分类算法生成规则集。 系统性能的关键在于有效性。本文比较分析几种分类算法在入侵数据集上的分类 性能，选用在分类入侵类型上性能最好的C4.5算法生成各入侵类型的规则集。另外， 本文根据入侵类型的不同来构造学习模型。上述两种方法都能显著改善有效性。 对于网络这种实时性要求高的环境，系统的响应速度也很重要。本文为加快响应 速度，采用脱机生成规则集，然后在线检测新的连接行为的策略。另外，在判断入侵 类型的过程中，采用特征抽取的时间延迟作为判定的标准之一。 理论分析和实验都证明了多元决策自动化入侵检测系统模型能较好地解决现有 入侵检测系统的上述问题。 关键词：入侵检测；数据挖掘；网络安全；多元决策；自动化识别 I 万方数据 万方数据 Abstract Abstract Intrusion Detection is an important technique in Network Security. Traditional network Intrusion Detection Systems (IDS) are encoded manually by the experts of network security based on their security knowledge. With the rapid development of the Internet, more and more new intrusion methods appear and the daily network connection data become more gigantic. Traditional IDS has revealed many limitations in workload, adaptability, validity, and response time. Considering (Since) that Data Mining techniques have advantages in dealing with Mass Data, the paper tries to import them to construct IDS--Automatic Intrusion Detection System of Multi-Decision, to tackle the above problems. The development workload of the system affects the update speed and is crucial to the development of the system. The paper applies data mining techniques on automatically building IDS and solutes the question of large workload effectively. Inertia-rate constant and Double-approaching are introduced to identify new intrusion classes using clustering algorithm. For improving adaptability, the paper takes the following methods. The paper is designed to update the learning data periodically, and new intrusion