基于数据挖掘的入侵检测方法研究.doc

基于数据挖掘的入侵检测方法研究

2.4万字 50页 原创作品，已通过查重系统


摘要

二十一世纪以来随着计算机技术的快速发展与Internet在全球的普及化，互联网的运用已经落户于千家万户了。同时网络安全方面的问题也逐渐变得越来越严重了。解决网络安全问题的措施有很多种其中新兴的入侵检测系统 (Intrusion Detection System，IDS)逐渐成为了重要防护手段。
然而，目前的入侵检测产品中存在着许多安全隐患，例如：误报率较高，检测效率比较低，对未知和变种的复杂攻击没有太好的没有办法等，所以把一种新的技术——数据挖掘（Data Mining）融入到入侵检测中，形成一种更加安全高效的基于数据挖掘的入侵检测系统是很有必要的。
本论文首先对课题的研究背景做了介绍，然后在后面着重介绍了入侵检测技术和它的两种主要的检测方法，然后介绍了数据挖掘技术及其四中分析算法。在后面接下来又详细介绍了关联规则中经典的Apriori算法并针对其两个缺点进行了改进和举例进行了说明和验证，使得检测效率得到了提高。最后根据以上介绍知识设计了一个在改良的Apriori算法分析的基础上的入侵检测系统模型模型，模型由六个主要的模块组成，对其一一进行了介绍，并做了性能提升的分析。然后又从入侵行为中挑选DOS（拒绝服务）攻击，对其检测过程做了说明，根据入侵数据的特征属性进行分，检测引擎可以判别出其是什么攻击，从而做到快速响应，实时的对网络进行保护。



关键词： 入侵检测 数据挖掘 Apriori算法