基于約束關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘的入侵檢測(cè)算法研究.pdf

1、入侵檢測(cè)是繼防火墻、VPN、加密等傳統(tǒng)安全防護(hù)技術(shù)之后的新一代信息安全積極主動(dòng)的防御技術(shù)，它提供了對(duì)內(nèi)部攻擊、外部攻擊和誤操作的實(shí)時(shí)保護(hù)，在網(wǎng)絡(luò)系統(tǒng)受到危害之前攔截和響應(yīng)入侵?，F(xiàn)有入侵檢測(cè)系統(tǒng)不但誤警率高，且實(shí)時(shí)性差，這是因?yàn)槿肭謾z測(cè)需要處理大量數(shù)據(jù)，從中發(fā)現(xiàn)入侵行為。而數(shù)據(jù)挖掘技術(shù)的優(yōu)勢(shì)在于能迅速?gòu)拇罅繑?shù)據(jù)中發(fā)現(xiàn)特征和模式，從而鎖定入侵行為。
　　 本文在研究入侵檢測(cè)系統(tǒng)中的數(shù)據(jù)挖掘技術(shù)基礎(chǔ)上，提出了兩種約束型Apriori算

2、法，實(shí)時(shí)更新了入侵檢測(cè)系統(tǒng)的規(guī)則庫(kù)，提高了整個(gè)系統(tǒng)的檢測(cè)性能，有效降低虛警率和誤報(bào)率。
　　 本文主要?jiǎng)?chuàng)新點(diǎn)如下：
　　 1、提出了一種帶有懲罰項(xiàng)的FCM算法(A Punitive Fuzzy C-means Clustering Algorithm，PFCMC)。解決了經(jīng)典的C均值聚類算法和模糊C均值聚類算法中對(duì)初始聚類中心過分依賴和需要預(yù)先知道實(shí)際的聚類數(shù)目的問題，提高了聚類精度。仿真實(shí)驗(yàn)證實(shí)了新算法的可行性，以及比

3、經(jīng)典算法所具有更加廣泛的實(shí)用性。
　　 2、提出了時(shí)態(tài)知識(shí)型約束Apriori算法(A New Tmporal-knowledge-constraint-based AprioriAlgorithm, NApriori)。利用聚類所得結(jié)果，把龐大的數(shù)據(jù)集分成幾組并行處理的小數(shù)據(jù)模塊，對(duì)經(jīng)典Apriori算法進(jìn)行初步數(shù)據(jù)分割優(yōu)化。新算法利用聚類所得聚類中心，又對(duì)每個(gè)小數(shù)據(jù)模塊進(jìn)行知識(shí)約束和時(shí)態(tài)約束來產(chǎn)生頻繁項(xiàng)集。這算法很好解決了A

4、priori算法中多次掃描事務(wù)數(shù)據(jù)庫(kù)產(chǎn)生很大I/O負(fù)載和可能產(chǎn)生無(wú)用龐大候選集的問題。
　　 3、提出了多規(guī)則約束Apriori算法(A Homing-constraint-rule Apriori Algorithm, HCRApriori)。此算法在時(shí)態(tài)知識(shí)約束型基礎(chǔ)之上，針對(duì)目前許多新型攻擊是已存在攻擊的衍生物、具有相同的特征子串，且許多強(qiáng)規(guī)則事件并不是有趣事件，因而添加遞減支持度約束和數(shù)據(jù)約束。實(shí)驗(yàn)證明，新算法可以有效改