基于序列比对的特征自动提取关键技术研究

论文摘要

基于特征的入侵检测系统(Intrusion Detection System,简称IDS)通过检测特征来阻止网络攻击。由于攻击日益多态变形和智能化,高效、精确地提取并更新攻击特征是IDS所面临的共性问题。手工提取攻击特征缺乏实时性,难以有效地保障网络的安全。攻击特征自动提取技术无需人工干预,可快速准确地检测未知攻击并提取出其特征。但已有技术存在时空开销大,提取的特征质量差,导致安全系统检测效率低、误警率高等问题。基于上述分析研究,本文主要工作集中于对IDS特征提取算法的研究。首先研究入侵检测的特征自动提取技术基本概念、研究现状,然后对现有特征自动提取方法进行分析。深入研究生物信息学序列比对理论,针对现有特征自动提取方法存在的缺陷,提出将序列比对算法应用到入侵检测模型中。目前的攻击特征自动提取技术一般包括数据预处理模块和特征提取模块,算法设计是这两个模块的关键。本文从数据预处理模块角度,研究数据捕获、数据过滤、数据聚类算法设计,给出降低特征提取的时空开销关键问题的解决思路。首先,对数据预处理模块的数据捕获算法基本概念进行了形式化描述,分析数据捕获算法的理论基础,基于该理论,对数据捕获技术进行研究,并提出了基于WinPacap的数据捕获方法。然后,对数据过滤算法的理论基础进行分析研究,设计了基于该理论的数据过滤算法,并提出了基于白名单的数据过滤方法。接着,分析数据聚类算法的理论基础,对基于该理论的数据聚类算法进行研究,提出基于FCM算法的数据聚类方法。最后,针对提高提取特征的质量关键问题,从特征提取模块角度研究基于生物序列比对的攻击特征自动提取方法,提出一种基于序列比对攻击特征自动提取方法。该方法的核心是IASA算法,通过引入知识积累得分,使得序列比对的特征片段趋向于更合理。实验结果表明该方法能够有效地提高攻击特征生成质量和降低误报率。

论文目录

• 摘要
• ABSTRACT
• 第1 章绪论
• 1.1 PPDR 模型及入侵检测系统
• 1.2 入侵检测系统的起源和基本概念
• 1.3 入侵检测系统组成和分类
• 1.3.1 入侵检测系统组成
• 1.3.2 IDS 的分类
• 1.4 入侵检测的特征提取方法研究现状
• 1.4.1 特征自动提取技术起源
• 1.4.2 特征自动提取技术现状
• 1.4.3 现有特征提取方法分析比较
• 1.5 论文结构
• 第2 章入侵检测的特征提取技术研究
• 2.1 特征自动提取技术研究
• 2.1.1 基于概率有限状态自动机的攻击特征自动提取技术
• 2.1.2 基于数据流分割的攻击特征自动提取技术
• 2.1.3 基于Rabin Fingerprints 算法的攻击特征自动提取技术
• 2.1.4 基于两序列LCS 算法的攻击特征自动提取技术
• 2.2 序列比对算法研究
• 2.2.1 序列比对概念
• 2.2.2 序列比对算法分类和特点
• 2.2.3 双序列比对算法
• 2.2.4 多序列比对算法
• 2.3 本章小结
• 第3 章特征自动提取数据预处理模块研究
• 3.1 特征自动提取系统架构
• 3.2 数据捕获
• 3.2.1 数据捕获理论基础
• 3.2.2 数据捕获技术研究
• 3.2.3 基于winpcap 的数据捕获方法
• 3.3 数据过滤
• 3.3.1 数据过滤理论基础
• 3.3.2 数据过滤算法研究
• 3.3.3 基于白名单的数据过滤方法
• 3.4 聚类
• 3.4.1 数据聚类理论研究
• 3.4.2 数据聚类算法研究
• 3.4.3 基于FCM 算法的数据聚类方法
• 3.5 本章小结
• 第4 章特征自动提取算法设计研究
• 4.1 特征提取现有方法研究
• 4.2 特征提取算法研究
• 4.3 面向特征提取的序列比对技术研究
• 4.4 基于知识积累的序列比对特征提取算法
• 4.5 实验评估
• 4.5.1 实验平台和工具
• 4.5.2 实验方案
• 4.5.3 实验结果及性能评估
• 4.6 本章小结
• 结论
• 参考文献
• 致谢
• 附录 A 攻读学位期间完成的论文
• 附录 B 攻读学位期间参加的项目