抵抗Web攻击的异常入侵检测算法-电子设计工程.PDF

第26卷 第24期 电子设计工程 2018年12月 Vol.26 No.24 ElectronicDesignEngineering Dec.2018 抵抗Web攻击的异常入侵检测算法 王禹程 （陕西工业职业技术学院陕西咸阳712000） 摘要：针对目前日益严重的网络安全威胁以及用户数据安全保障的需求，有效的抵抗Web攻击的 异常入侵检测算法研究变得越发重要。考虑到基于传统聚类方法的异常入侵检测算法实现复杂 度较高且检测精度低的问题，文中提出基于KNN （K—NearestNeighbor，K近邻）聚类算法的异常入 侵检测算法。首先，文中通过结合数据挖掘技术建立异常入侵检测系统，以实现异常行为模式的 统计分析和重要系统、数据文件的完整性评估。根据采集的网络抓包数据构建数据库，并利用机 器学习中的KNN聚类分析算法对数据进行聚类分析，检测是否存在异常的数据。通过仿真发现， 文中提出的基于KNN聚类的异常入侵检测算法相对于基于传统聚类的异常入侵检测算法，检测精 度可以提高10%～32%，且算法复杂度较低。实验结果显示，所构建的网络异常检测与防御系统具 有较好的检测及防御安全的能力。 关键词：网络安全；数据挖掘；聚类分析；机器学习 中图分类号：TN91 文献标识码：A 文章编号：1674-6236（2018）24-0126-05 AbnormalintrusiondetectionalgorithmagainstWebattacks WANGYu⁃cheng （ShaanxiIndustrialVocationalCollege，Xianyang 712000，China） Abstract: Aimingatthegrowingproblem ofcybersecuritythreatsandtherequirementofuserdata security protection，abnormal intrusion detection algorithm against web attack becomes much more demanding. Considering the high complexity and low accuracy of traditional intrusion detection algorithms，anabnormalintrusiondetectionalgorithmbasedonK-NearestNeighbor （KNN）clustering algorithmisproposedinthispaper.Withthedataminingtechnology，thispaperfirstlyestablishesan abnormalintrusiondetectionsystemtorealizethestatisticalanalysisofabnormalbehaviorpatternsand theevaluationoftheintegrityofimportantsystemsanddatafiles.TheKNNclusteringanalysisalgorithm inmachinelearningisusedtoclusterthedataanddetectwhetherthereisabnormaldatabasedonthe collecteddata.Simulationresultsindicatethattheproposedalgorithmissuperiortotraditionalanomaly intrusion detection algorithm based on clustering algorithm. The detection accuracy of the propose