決策樹在入侵檢測中的應(yīng)用研究.pdf

1、隨著計算機和Internet技術(shù)的迅猛發(fā)展和廣泛應(yīng)用，人們在受益于信息革命所帶來的巨大利益的同時，也不得不面對信息安全的嚴(yán)峻挑戰(zhàn)。網(wǎng)絡(luò)的大規(guī)模使用產(chǎn)生了海量的安全審計數(shù)據(jù)，怎樣收集和處理這些數(shù)據(jù)，并從中識別出入侵行為是網(wǎng)絡(luò)安全研究的核心問題。而數(shù)據(jù)挖掘技術(shù)能發(fā)現(xiàn)隱藏在大量數(shù)據(jù)中的潛在知識。數(shù)據(jù)挖掘技術(shù)應(yīng)用于入侵檢測，提高了系統(tǒng)的智能性、準(zhǔn)確性和擴展性。 在大規(guī)模網(wǎng)絡(luò)入侵檢測系統(tǒng)中，由于巨大的網(wǎng)絡(luò)流量，傳統(tǒng)的決策樹分類方法就顯得效

2、率不高，容易造成高誤報率和檢測響應(yīng)的低效。因此，本文提出一種基于屬性重要度的多決策樹生成算法和訓(xùn)練算法，在數(shù)據(jù)預(yù)處理階段根據(jù)數(shù)據(jù)包的不同屬性生成多棵決策樹，在檢測階段可以通過并行檢測數(shù)據(jù)包，提高檢測速度，降低誤報率。 本文還提出了一種多決策樹的分類算法，可以根據(jù)數(shù)據(jù)屬于各類的不同可能性的大小，最終確定該數(shù)據(jù)包是攻擊包還是正常數(shù)據(jù)包，可以提高入侵檢測的準(zhǔn)確率，降低誤報率。 最后設(shè)計了一個基于多決策樹算法的入侵檢測模型，闡述