基于局部搜索的分类规则发现及其在入侵检测的应用

论文摘要

数据挖掘是从大型数据库的数据中提取人们感兴趣的知识，这些知识是隐含的、事先未知的潜在有用的信息。分类规则发现则是通过对训练样本数据集的学习构造分类规则的过程，是数据挖掘、知识发现的一个重要方面。分类规则发现的实质是希望得到高准确性、易于理解的和有趣的分类规则。本文研究了基于局部搜索的分类规则发现方法，并在此基础上，进一步研究了基于局部搜索和蚁群算法相结合的分类规则发现方法。局部搜索算法是一种通用的近似搜索算法。本论文对应用多起始点局部搜索算法实现分类规则发现的关键技术进行了分析，包括确定起始点的选择策略、解的表示、邻域的定义、目标函数的设计以及局部搜索的策略等。在此基础上，阐述了基于多起始点局部搜索的分类规则发现的基本思想，并对所构造的算法用四个公共数据集进行了实验。结果表明通过该算法可以得到预测准确度较高的分类规则，而且通过该算法得到的分类规则较简单，容易让用户理解。基于局部搜索的分类规则发现算法可以取得预测准确度较高的分类规则，但是算法的运行时间相对较长。在分析基于局部搜索的分类规则发现算法优缺点的基础上，我们引入了蚁群算法的基本思想，即信息素及其更新，在局部搜索的过程中，让信息素指导搜索的进行。在该思想的基础上，提出了基于局部搜索和蚁群算法相结合的分类规则发现方法。实验表明该方法可实现分类规则质量与算法运行时间之间较好的折衷。目前随着网络规模的不断扩大和黑客攻击手段的日益复杂，人们对于网络安全的需求与日俱增。入侵检测技术作为网络安全的一个重要分支，也越来越受到人们的关注。在入侵检测系统中使用数据挖掘技术，通过分析历史数据可以提取出用户的行为特征、总结入侵行为的规律，从而建立起比较完备的规则库来进行入侵检测。本文在分析现有入侵检测系统的基础上，提出了基于分类规则的入侵检测系统。该入侵检测系统具有较高的检测率、较好的适应能力和较好的可扩展性。

论文目录

• 第一章 引言
• 1.1 研究的背景及意义
• 1.2 国内外研究概况
• 1.3 本文的研究工作及主要成果
• 第二章 分类规则发现概述
• 2.1 数据挖掘概念
• 2.2 数据挖掘的任务
• 2.3 数据挖掘的步骤
• 2.4 分类和分类规则
• 2.4.1 分类和分类规则概念
• 2.4.2 分类规则发现的步骤
• 2.5 分类规则发现常用的方法
• 2.5.1 决策树
• 2.5.2 遗传算法
• 2.5.3 蚁群算法分类法
• 第三章 入侵检测概述
• 3.1 什么是入侵检测
• 3.2 入侵检测体系结构
• 3.2.1 基于主机的入侵检测系统
• 3.2.2 基于网络的入侵检测系统
• 3.2.3 混合分布式入侵检测系统
• 3.3 入侵检测常用技术
• 3.3.1 异常检测技术
• 3.3.2 误用检测技术
• 3.3.3 异常检测与误用检测的比较
• 3.4 IDS国内外现状及发展趋势
• 3.4.1 IDS国内外现状
• 3.4.2 入侵检测的发展趋势
• 3.5 目前入侵检测系统存在的问题
• 第四章 基于局部搜索算法和蚁群算法的分类规则发现
• 4.1 局部搜索算法
• 4.2 蚁群算法
• 4.2.1 蚁群算法
• 4.2.2 蚁群算法原理
• 4.2.3 基本蚁群算法的改进和缺陷
• 4.3 基于局部搜索的分类规则发现
• 4.3.1 解的表示及邻域定义
• 4.3.2 起始点的选取
• 4.3.3 目标函数的构造
• 4.3.4 基于局部搜索的分类规则发现算法
• 4.4 基于局部搜索和蚁群算法相结合的分类规则发现
• 4.4.1 信息素及其更新
• 4.4.2 基于局部搜索和蚁群算法相结合的分类规则发现算法
• 4.5 计算实验及性能评估
• 4.5.1 数据集和使用的离散化方法
• 4.5.2 实验结果及性能评估
• 第五章 基于分类规则的入侵检测系统
• 5.1 通用入侵检测模型
• 5.1.1 入侵检测模型
• 5.1.2 通用入侵检测模型
• 5.2 基于分类规则的入侵检测系统
• 5.3 计算实验及分析
• 5.3.1 数据集及使用的离散化方法
• 5.3.2 实验结果及分析
• 第六章 总结及进一步研究方向
• 6.1 总结
• 6.2 论文创新点
• 6.3 进一步的工作和研究方向
• 参考文献
• 致谢
• 个人简历及攻读研究生期间发表的论文情况