朴素贝叶斯分类器在入侵检测应用的研究

论文摘要

随着网络技术的不断发展,网络将全球的各个角落都联系在一起,而且作为一种媒介,它将继续在通信和商业上扩大它的影响力,垃圾邮件、攻击者、犯罪集团的威胁却因此而成长起来。正是由于这种威胁的日益盛行使得入侵检测技术和防火墙一样已经成为网络安全的一种基础技术。然而,目前商业上可用的入侵检测系统基本上是基于特征的入侵检测系统,这种入侵检测系统利用已知攻击的特征用来检测攻击。他需要频繁的更新规则集和特征库,而且不能检测未知的攻击。对比看来,作为入侵检测系统的一个子集——异常检测系统,他能够模拟正常的系统或网络行为,从而有效的发现和阻止已知的和未知的攻击,甚至“zero day”攻击。异常检测系统在概念上很诱人,但是在它们被大范围采用之前,需要面对很多技术上的问题。这些问题包括:高误报率,网络流量上g比特时的检测失效等等。数据挖掘是在大型数据存储库中,自动地发现有用信息的过程。数据挖掘技术用来探查大型数据库,发现先前未知的有用模式。数据挖掘是数据库中知识发现(knowledge discovery in database, KDD)不可缺少的一部分,而KDD是将未加工的数据转换为有用信息的整个过程。本文介绍了一种基于数据挖掘的异常检测方法,将遗传算法和朴素贝叶斯分类器应用于异常检测的特征选择阶段,并且利用自适应搜索算法和状态转移算法动态地进行参数调整,有效的避免了遗传算法早熟收敛的缺点,进而提高了异常检测的检测率和检测效率。通过大量的实验证明基于遗传算法的朴素贝叶斯分类器的异常检测模式是可行有效的。

论文目录

• 提要
• 第1章 绪论
• 1.1 研究背景、目的和意义
• 1.2 国内外现状
• 1.3 本文的章节安排
• 第2章 数据挖掘技术在入侵检测中的应用
• 2.1 入侵检测技术
• 2.1.1 入侵检测技术简介
• 2.1.2 通用的入侵检测框架
• 2.1.3 入侵检测分析方法
• 2.2 贝叶斯理论
• 2.2.1 数据挖掘与分类方法
• 2.2.2 贝叶斯概述和贝叶斯定理
• 2.2.3 朴素贝叶斯分类器
• 2.3 遗传算法理论
• 2.3.1 遗传算法描述与基本流程
• 2.3.2 遗传算法的基本结构及分类
• 2.3.3 遗传算法的缺陷及改进
• 2.4 本章小结
• 第3章 基于遗传算法的朴素贝叶斯分类器的入侵检测算法
• 3.1 基于朴素贝叶斯分类器的入侵检测算法
• 3.2 基于遗传算法的特征选择模型
• 3.2.1 遗传算法编码
• 3.2.2 遗传算法的适应度函数
• 3.2.3 遗传算法的操作算子
• 3.2.4 编码策略和参数选择
• 3.3 启发式遗传算法的设计
• 3.3.1 精英保存算法
• 3.3.2 自适应搜索算法
• 3.3.3 状态转移算法
• 3.3.4 改进的特征选择算法流程
• 3.4 本章小结
• 第4章 实验结果
• 4.1 KDDCUP1999 数据集简介
• 4.2 实验结果及分析
• 第5章 总结和展望
• 5.1 总结
• 5.2 工作展望
• 参考文献
• 致谢
• 摘要
• Abstract