聚類算法在入侵檢測中的應用.pdf

1、隨著計算機技術和網(wǎng)絡技術的不斷發(fā)展，Internet在為我們帶來許多機遇和豐富的網(wǎng)絡資源的同時，也使得計算機安全問題更加復雜和突出，這直接關系到個人隱私、商業(yè)利益乃至國家機密。因此，如何有效而迅速地發(fā)現(xiàn)并阻止各種非法入侵行為，成為當今網(wǎng)絡安全有待解決的重要問題。雖然現(xiàn)在已有很多傳統(tǒng)安全產(chǎn)品，如認證、訪問控制、加密、防火墻等，但是這些安全系統(tǒng)存在不完備性，而入侵檢測技術能夠彌補它們的不足。入侵檢測能夠找到系統(tǒng)漏洞，并在非法入侵者攻擊計算機

2、系統(tǒng)時，實時地捕獲這些入侵攻擊行為；因此，入侵檢測技術是一種新的安全保障技術，是計算機安全體系中的非常重要組成部分，已成為當前計算機安全技術研究的重點。 現(xiàn)在已有的入侵檢測系統(tǒng)的智能化水平低，對入侵攻擊行為的實時檢測能力不強，檢測的準確率低，誤報率高；而數(shù)據(jù)聚類方法應用到入侵檢測中，能夠使得入侵檢測系統(tǒng)具有自學習、自組織的能力，提高系統(tǒng)處理海量數(shù)據(jù)的能力，從而提取數(shù)據(jù)中有潛在價值的知識和規(guī)則，提高檢測能力；數(shù)據(jù)聚類方法是一種典型

3、的無監(jiān)督學習技術，可以在未標記數(shù)據(jù)集上直接建立入侵檢測模型或者發(fā)現(xiàn)異常數(shù)據(jù)；本文中提出的aiNet增量聚類算法結合了人工免疫原理中的克隆選擇、親和力成熟以及網(wǎng)絡抑制等免疫機制，有效地提高自學習和智能化能力；把增量聚類和子簇合并的思想應用到該算法中，有效地提高聚類效率；數(shù)據(jù)聚類算法在入侵檢測領域有著廣泛的應用前景，這是一個非常有價值的研究方向。 本文的課題來源于四川省科技廳應用基礎研究項目“基于安全免疫服務網(wǎng)絡的入侵檢測技術研究(

4、2008JY0058)。本文的主要研究工作： 1．介紹了幾種傳統(tǒng)的數(shù)據(jù)挖掘聚類算法，然后重點研究基于免疫原理的聚類算法，并對算法優(yōu)缺點進行了分析，在此基礎上提出aiNet增量聚類算法。 2．在分析現(xiàn)有入侵檢測系統(tǒng)模型的基礎上，把aiNet增量聚類算法應用到入侵檢測中。該模型工作過程分為數(shù)據(jù)預處理、聚類分析、標識類和實時檢測四個階段；首先對數(shù)據(jù)的所有屬性值進行標準化，再利用該聚類算法來對網(wǎng)絡數(shù)據(jù)進行分類，區(qū)分哪些網(wǎng)絡數(shù)據(jù)是

5、正常的，哪些網(wǎng)絡數(shù)據(jù)是異常的；然后把包含異常網(wǎng)絡數(shù)據(jù)的簇標記為異常簇，而將包含正常網(wǎng)絡數(shù)據(jù)的簇標記為正常簇。 3．實時檢測數(shù)據(jù)。根據(jù)檢測算法進行增量聚類，在不斷完善聚類結果的同時有效而快速地檢測出入侵攻擊行為。 4．先使用二維數(shù)據(jù)集來證明，增量聚類算法的聚類結果與重新聚類的聚類結果一致，以及aiNet增量聚類算法能有效地提高聚類效率；再使用KDDCup99數(shù)據(jù)集對基于aiNet增量聚類算法和增量式K—means聚類算法的