基于距離的孤立點(diǎn)挖掘在計(jì)算機(jī)取證中的應(yīng)用研究.pdf

1、隨著信息技術(shù)的發(fā)展,我們已經(jīng)進(jìn)入了大數(shù)據(jù)時(shí)期,每天產(chǎn)生各類形式各異的數(shù)據(jù),與之相隨的會(huì)出現(xiàn)各種網(wǎng)絡(luò)安全問題,針對(duì)這些問題,當(dāng)前的研究工作主要集中在安全防御方面,但是計(jì)算機(jī)網(wǎng)絡(luò)犯罪技術(shù)也在不斷進(jìn)步,因此僅靠防御方法是不能很好地打擊計(jì)算機(jī)犯罪的,我們需要發(fā)揮社會(huì)和法律的力量去打擊計(jì)算機(jī)犯罪,計(jì)算機(jī)取證技術(shù)應(yīng)運(yùn)而生。
　　數(shù)據(jù)挖掘技術(shù)可以從海量的數(shù)據(jù)中挖掘出潛在的、有研究價(jià)值的知識(shí),但是從這些海量數(shù)據(jù)中找到那些極少數(shù)的異常行為并發(fā)現(xiàn)有意

2、義的知識(shí)是一項(xiàng)富有挑戰(zhàn)性的工作,然而現(xiàn)實(shí)生活中經(jīng)常包含一些與數(shù)據(jù)集一般行為或者一般模型不一致的數(shù)據(jù)對(duì)象,即孤立點(diǎn)。雖然正常的行為比數(shù)異常行為要多得多,但不正常的行為可能含有非常有趣的知識(shí)。所以研究這些孤立點(diǎn)具有一定的理論基礎(chǔ)和實(shí)踐意義。
　　本文對(duì)K近鄰孤立點(diǎn)檢測(cè)算法進(jìn)行了更為細(xì)致的研究,進(jìn)而對(duì)其進(jìn)行了改進(jìn),提高了算法的效率及準(zhǔn)確性。同時(shí)針對(duì)網(wǎng)絡(luò)操作日志數(shù)據(jù)量大、計(jì)算量大的特點(diǎn),本文采用基于MapReduce架構(gòu)的分布式算法思想,

3、在Hadoop集群中快速的檢測(cè)孤立點(diǎn)。對(duì)國內(nèi)和國際的相關(guān)異常檢測(cè)方法的研究和應(yīng)用進(jìn)行了詳細(xì)分析,設(shè)計(jì)了基于孤立點(diǎn)挖掘的異常檢測(cè)模型,最后將孤立點(diǎn)檢測(cè)方法應(yīng)用于計(jì)算機(jī)取證技術(shù)中。本文主要研究如下:
　　(1)系統(tǒng)探討了當(dāng)前國內(nèi)外孤立點(diǎn)挖掘算法的研究現(xiàn)狀,分析了孤立點(diǎn)挖掘算法的應(yīng)用實(shí)例,理論學(xué)習(xí)了孤立點(diǎn)挖掘算法的概念、流程,并對(duì)孤立點(diǎn)挖掘算法的性能和實(shí)現(xiàn)機(jī)制進(jìn)行了總結(jié)。深入研究計(jì)算機(jī)取證的相關(guān)知識(shí)與技能,總結(jié)了計(jì)算機(jī)取證的關(guān)鍵技術(shù),并

4、給出計(jì)算機(jī)取證的流程。
　　(2)深入研究基于距離的反向K近鄰孤立點(diǎn)檢測(cè)算法,并指出其不足,并對(duì)算法進(jìn)行了改進(jìn),通過剪枝操作去除冗余數(shù)據(jù)后,加入了自適應(yīng)確定參數(shù)的機(jī)制,避免了過多人工參與造成的數(shù)據(jù)偏離,提高了算法的準(zhǔn)確性和高效性。在 Hadoop集群架構(gòu)中設(shè)計(jì)了基于MapReduce的孤立點(diǎn)檢測(cè)算法,在分布式環(huán)境中快速檢測(cè)孤立點(diǎn)。
　　(3)構(gòu)造一種基于孤立點(diǎn)挖掘算法的日志分析模型,對(duì)日志數(shù)據(jù)進(jìn)行預(yù)處理后,將改進(jìn)的孤立點(diǎn)檢測(cè)