入侵檢測系統(tǒng)的特征提取方法研究及其實現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)的迅猛發(fā)展，黑客攻擊日益猖獗，網(wǎng)絡安全問題日趨嚴峻，據(jù)統(tǒng)計，全球幾乎每20 秒就有一起黑客事件發(fā)生，僅美國每年由此造成的經(jīng)濟損失就超過100 億美元，因此，網(wǎng)絡安全成為當今社會關注的焦點。目前，實現(xiàn)網(wǎng)絡安全的技術包括：入侵檢測技術、防火墻技術和安全路由器技術等，其中的入侵檢測技術由于其對已知的各種入侵具有較好的識別能力，成為P2DR(Policy, Protection, Detection, Response 即策略、防護、

2、檢測、響應)安全模型的一個重要組成部分，它是動態(tài)安全技術的最核心技術之一。 從上世紀80 年代Anderson 提出入侵檢測模型和80 年代中期SRI 公司設計并成功實現(xiàn)著名的IDES（入侵檢測系統(tǒng)）以來，盡管入侵檢測技術已取得了很大的發(fā)展，但是，隨著網(wǎng)絡技術的飛速發(fā)展與信息傳輸?shù)膶崟r性要求加快，入侵檢測仍面臨不少問題，如檢測率不高、漏報率較高、檢測速度不適應高速網(wǎng)絡的發(fā)展等。為解決當前入侵檢測系統(tǒng)存在的問題，人們正研究在入侵檢

3、測中如何采用機器學習方法和數(shù)據(jù)挖掘技術實現(xiàn)入侵檢測的智能化。本文緊密圍繞智能入侵檢測中特征提取和基于數(shù)據(jù)挖掘的數(shù)據(jù)分類這二方面的關鍵技術開展研究。 1．在入侵檢測特征提取方面，研究了采用主成分分析(Principal Component Analysis，PCA)和核主成分分析(Kernel Principal Component Analysis，KPCA)的入侵檢測特征提取方法。通過對入侵檢測KDDCUP99 數(shù)據(jù)集進行大量

4、對比實驗，表明，采用核主成分分析后數(shù)據(jù)的維數(shù)，只有采用主成分分析后數(shù)據(jù)維數(shù)的一半，入侵檢測的檢測率也提高了近3 個百分點。 2．研究了當前智能化入侵檢測系統(tǒng)當前存在的問題，并把數(shù)據(jù)挖掘技術應用于入侵檢測系統(tǒng)。論述了基于Apriori 算法和CAEP（通過聚集顯露模式分類）的入侵特征提取的原理，結合ORACLE9i 的數(shù)據(jù)挖掘引擎，分析其建立分類、預測和關聯(lián)類的基本數(shù)學模型，以及通過JAVA 為基礎的API 來訪問這些數(shù)學模型的建