版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
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
溫馨提示
- 1. 本站所有資源如無(wú)特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于模糊關(guān)聯(lián)規(guī)則挖掘的入侵檢測(cè)算法研究.pdf
- 多約束關(guān)聯(lián)規(guī)則的快速入侵檢測(cè)算法研究.pdf
- 基于關(guān)聯(lián)規(guī)則挖掘算法的入侵檢測(cè)研究.pdf
- 基于約束的關(guān)聯(lián)規(guī)則挖掘算法研究.pdf
- 基于關(guān)聯(lián)規(guī)則挖掘的數(shù)據(jù)庫(kù)入侵檢測(cè)系統(tǒng)研究.pdf
- 基于關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘算法的研究.pdf
- 基于模糊關(guān)聯(lián)規(guī)則挖掘的模糊入侵檢測(cè).pdf
- 基于關(guān)聯(lián)規(guī)則挖掘的入侵檢測(cè)技術(shù)研究.pdf
- 基于約束的不確定性數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘算法研究.pdf
- 關(guān)聯(lián)規(guī)則挖掘的改進(jìn)算法在入侵檢測(cè)中的應(yīng)用.pdf
- 基于序列模式挖掘的入侵檢測(cè)算法的研究.pdf
- 基于數(shù)據(jù)挖掘的Snort入侵檢測(cè)規(guī)則生成研究.pdf
- 基于關(guān)聯(lián)修正的無(wú)監(jiān)督入侵檢測(cè)算法研究.pdf
- 基于數(shù)據(jù)挖掘算法的入侵檢測(cè)研究.pdf
- 基于關(guān)聯(lián)規(guī)則改進(jìn)算法的數(shù)據(jù)庫(kù)入侵檢測(cè)系統(tǒng)研究.pdf
- 數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則挖掘算法研究.pdf
- 基于約束的關(guān)聯(lián)規(guī)則挖掘.pdf
- 基于關(guān)聯(lián)規(guī)則挖掘的數(shù)據(jù)庫(kù)入侵檢測(cè)系統(tǒng)的研究與實(shí)現(xiàn).pdf
- 基于關(guān)聯(lián)規(guī)則算法的入侵檢測(cè)系統(tǒng)研究
- 基于關(guān)聯(lián)規(guī)則算法的入侵檢測(cè)系統(tǒng)研究.pdf
評(píng)論
0/150
提交評(píng)論