学位论文 > 优秀研究生学位论文题录展示

基于聚类的入侵检测算法研究与实现

作　者: 张园园
导　师: 胡亮
学　校: 吉林大学
专　业: 计算机系统结构
关键词: 入侵检测异常检测增量聚类密度聚类
分类号: TP393.08
类　型: 硕士论文
年　份: 2009年
下　载: 240次
引　用: 4次
阅　读: 论文下载

内容摘要

随着Internet技术的高速发展,网络环境日益复杂,网络安全问题变得越来越重要。入侵检测系统是计算机安全领域的一个重要组成部分,在安全保护体系结构中起着重要的作用。入侵检测是积极主动防御攻击,对于防火墙等工具起着重要的补充作用。主要的入侵检测方法主要分为两种:异常检测和误用检测。但是传统的入侵检测模型越来越显现出它的缺点:自适应能力不强,不能够检测新的或未知形式的入侵。数据挖掘是一种通用的知识发现技术,利用各种分析工具在大量数据中发现模型和数据间的关系的过程,它提供方法和工具对入侵检测很有帮助。它可以提高入侵检测系统的智能性、自适应性和可扩张性,提高入侵检测系统的质量。本文介绍了一种基于数据挖掘技术检测入侵检测模型的方法。把基于密度聚类的AIDM算法应用于入侵检测系统中,并且利用增量AIDM算法来解决静态聚类形成的轮廓不容易改变的缺点,动态的调整正常行为轮廓。通过在KDD99和DARPA数据集上的实验得到好的实验结果。在对网络数据包进行检测时,确定其是否异常,通过报警或安全日志等方式记录该异常数据包的信息。为了进一步提高检测结果,我们选取了提供高质量的数据源的数据预处理方法。从原始审计记录提取数据,对数据进行预处理。通过大量的实验证明基于增量聚类的入侵检测模型是可行有效的。

全文目录

提要  4-7
第1章绪论  7-11
  1.1 研究背景、目的及意义  7-8
  1.2 国内外研究现状  8-10
  1.3 本文的章节安排  10-11
第2章入侵检测技术  11-15
  2.1 入侵检测技术简介  11-12
  2.2 通用入侵检测模型  12-13
  2.3 入侵检测分析方法  13-14
  2.4 本章小结  14-15
第3章数据挖掘技术  15-23
  3.1 数据挖掘简介  15-16
  3.2 主要数据挖掘方法  16-17
  3.3 聚类方法介绍  17-18
  3.4 主要的聚类方法  18-20
  3.5 在入侵检测中应用数据挖掘的意义  20-22
  3.6 本章小结  22-23
第4章基于密度聚类的入侵检测算法研究  23-32
  4.1 密度聚类的基础知识  23-24
  4.2 密度聚类算法  24-27
  4.3 增量密度聚类算法  27-29
  4.4 基于聚类算法的入侵检测系统的总体框架  29-30
  4.5 增量聚类在入侵检测系统的意义  30-31
  4.6 本章小结  31-32
第5章基于密度聚类的入侵检测算法实现  32-46
  5.1 算法实现部分  32-36
    5.1.1 聚类部分  32-35
    5.1.2 检测部分  35-36
  5.2 数据集简介  36-39
    5.2.1 KDDCUP1999 数据集  36-37
    5.2.2 DARPA 数据集  37-38
    5.2.3 提取DARPA 数据  38-39
  5.3 实验结果  39-45
    5.3.1 实验参数训练过程  39-40
    5.3.2 KDD99 数据集的实验结果  40-43
    5.3.3 DARPA 数据集的实验结果  43-45
  5.4 本章小结  45-46
第6章总结与展望  46-48
  6.1 总结  46
  6.2 下一步工作展望  46-48
参考文献  48-51
致谢  51-52
摘要  52-54
ABSTRACT  54-56

基于聚类的入侵检测算法研究与实现

内容摘要

全文目录

相似论文