加權(quán)關聯(lián)規(guī)則在入侵檢測中的研究與應用.pdf

1、入侵檢測是網(wǎng)絡安全的主動防御工具，當檢測到入侵行為時，要求響應單元盡可能快速響應處理，并記錄其特征，以便于以后的檢測。由于發(fā)生的入侵行為大多具有相關性，故入侵行為的相關性分析是入侵檢測的重要手段之一，并廣泛應用在入侵檢測系統(tǒng)中。關聯(lián)規(guī)則挖掘為入侵行為相關性分析中的知識獲取提供了新途徑，它可以從大型事務或數(shù)據(jù)集中發(fā)現(xiàn)項之間潛在有趣的、有用的關聯(lián)或關系。關聯(lián)規(guī)則挖掘一直是數(shù)據(jù)挖掘中的一個活躍的研究領域，將其應用于入侵檢測是當前的研究熱點。大

2、量研究表明：關聯(lián)規(guī)則在入侵檢測系統(tǒng)中的應用可以發(fā)現(xiàn)未知的入侵模式，IDS的檢測率可被提高，然而誤報率也增加了。產(chǎn)生這種結(jié)果的原因主要是關聯(lián)規(guī)則中的兩大假設：數(shù)據(jù)庫中各項目重要性相同；各項目出現(xiàn)頻率相同或相似。然而現(xiàn)實情況并非如此，因此我們引入了加權(quán)關聯(lián)規(guī)則，給項目加上權(quán)值來反映其重要性，從而更符合挖掘要求。
　　 本文主要對加權(quán)關聯(lián)規(guī)則在入侵檢測中的應用進行了研究，針對國內(nèi)外有關加權(quán)關聯(lián)規(guī)則算法進行深入研究，并對當前經(jīng)典的加權(quán)關

3、聯(lián)規(guī)則算法MINWAL(O)算法進行了深入分析，指出其不足之處，結(jié)合入侵檢測的網(wǎng)絡數(shù)據(jù)規(guī)模大和不同特征屬性對入侵行為的重要性不同，本文在MINWAL(O)算法和FP-Growth算法的基礎上，給出了改進的加權(quán)關聯(lián)規(guī)則算法--WAFP算法，使其不僅可以提高挖掘效率，而且更符合對入侵數(shù)據(jù)的挖掘。在WAFP算法中，本文建立了用于入侵檢測的層次結(jié)構(gòu)圖，用AHP方法確定項目權(quán)值；通過分析比較MINWAL(O)算法和FP－Growth算法，詳細說明

4、了WAFP算法的基本思想；并用實例分析、說明了WAFP樹的構(gòu)建；介紹了如何進行加權(quán)關聯(lián)頻繁規(guī)則挖掘，并引入了比例加權(quán)值對候選項集進行剪枝，減少候選項集的生成。比例加權(quán)值的引入對于MINWAL(O)算法中將權(quán)值累加和做為項集權(quán)值的方法在一定程度上彌補了MINWAL(O)算法的不足。然后，建立了一個基于WAFP算法的入侵檢測模型，并分別介紹了各個模塊的功能。
　　 最后，本文給出了系統(tǒng)的整體架構(gòu)，并從KDD CUP99數(shù)據(jù)中的“kd