基于數(shù)據挖掘的Snort系統(tǒng)改進模型的研究.pdf

1、網絡技術的快速發(fā)展和網絡應用的普及給人類生產和生活帶來了革命性的變化，這也使得人類面臨著一種新的威脅-網絡安全。入侵檢測技術作為一種必要的安全手段，在網絡安全領域發(fā)揮著其獨到的作用。Snort作為典型的輕量級網絡入侵檢測系統(tǒng)，屬于所謂的誤用檢測模式。該方法是事先設定好入侵規(guī)則庫，然后通過規(guī)則匹配來發(fā)現(xiàn)入侵數(shù)據，其最大缺陷就是不能發(fā)現(xiàn)新的入侵行為，漏報率較高。以Snort為例研究誤用檢測模型的改進問題，使其具備對于新入侵行為的檢測能力具有

2、重要的理論和實際意義。
　　本文在深入剖析Snort系統(tǒng)檢測機制的基礎上，通過分析固有檢測機制存在的對于新的入侵行為無能為力、漏報率較高、檢測速度以及缺少規(guī)則庫自動擴充機制等問題，引入數(shù)據挖掘理論，設計了基于數(shù)據挖掘理論的Snort網絡入侵檢測系統(tǒng)的改進模型。該模型在Snort檢測模型的基礎上增加了正常行為模式挖掘模塊、異常檢測引擎模塊、數(shù)據分類模塊和新規(guī)則生成模塊。分析表明，新模型使得系統(tǒng)同時具有了從新的入侵行為中學習新規(guī)則和從