網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)中的智能算法研究.pdf

1、當(dāng)前，計(jì)算機(jī)安全已經(jīng)成為一個(gè)全球性難題，它對(duì)政治、經(jīng)濟(jì)、社會(huì)生活帶來(lái)了廣泛影響。網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)(NetworkIntrusionDetectionSystem,NIDS)作為保障計(jì)算機(jī)安全的重要技術(shù)手段和措施，越來(lái)越受產(chǎn)業(yè)界和學(xué)術(shù)界的重視。研究NIDS，其重點(diǎn)和難點(diǎn)就是：一是如何完成大規(guī)模的數(shù)據(jù)采集和處理；二是如何降低對(duì)已知攻擊的誤報(bào)率和漏報(bào)率、如何降低對(duì)未知新攻擊的誤報(bào)率和漏報(bào)率。 本文圍繞這兩個(gè)問(wèn)題，對(duì)NIDS中的各種智能

2、算法進(jìn)行研究和探討，并逐步加以改進(jìn)和改善。主要工作和研究成果如下： (1)分析IDS、NIDS基本概念，相關(guān)技術(shù)、方法和分類；討論NIDS算法方面的研究熱點(diǎn)、難題和新進(jìn)展；根據(jù)當(dāng)前NIDS算法研究中存在的問(wèn)題，提出本文的研究思路和主要研究?jī)?nèi)容。 (2)針對(duì)現(xiàn)有檢測(cè)算法比較和評(píng)估只考慮檢測(cè)正確率的問(wèn)題，將時(shí)間和空間開(kāi)銷引入算法比較，分別基于在線數(shù)據(jù)及標(biāo)準(zhǔn)數(shù)據(jù)集設(shè)計(jì)了NIDS檢測(cè)算法比較方法和評(píng)估方法，并證明了當(dāng)測(cè)試次數(shù)趨于

3、無(wú)窮時(shí)，入侵檢測(cè)比較算法結(jié)果屬于正態(tài)分布，且給出了置信區(qū)間表達(dá)式。 (3)為了使被檢測(cè)數(shù)據(jù)盡可能保持時(shí)間序列特征，分別為在線數(shù)據(jù)和標(biāo)準(zhǔn)數(shù)據(jù)設(shè)計(jì)了最佳時(shí)間窗大小選擇算法和進(jìn)行檢測(cè)的最佳分割算法。 (4)針對(duì)NIDS處理很大數(shù)據(jù)量的問(wèn)題，采用基于粗糙集理論的屬性簡(jiǎn)約方法對(duì)NIDS數(shù)據(jù)進(jìn)行屬性簡(jiǎn)約，并且對(duì)軟件包ROSETTA進(jìn)行改進(jìn)，建立了特征提取算法。 (5)針對(duì)(4)中沒(méi)有考慮對(duì)實(shí)際數(shù)據(jù)進(jìn)行評(píng)估，還有降維空間的問(wèn)題

4、，采用遺傳算法來(lái)完成特征選擇；同時(shí)考慮到NIDS中特征的實(shí)際相關(guān)性，引入免疫中相似性度量的方法來(lái)描述這種關(guān)系，以實(shí)現(xiàn)沖散解，避免遺傳算法局部極小的問(wèn)題；利用基因編碼模式中，一些特殊效應(yīng)來(lái)指導(dǎo)遺傳算法，例如上位效應(yīng)，來(lái)改進(jìn)遺傳算法；考慮到遺傳算法是全局搜索算法，利用混合算法的互補(bǔ)性，嘗試?yán)眠z傳算法(全局搜索算法)+鄰域搜索算法(局部搜索算法)來(lái)完成特征選擇；同時(shí)考慮到鄰域定義的不確定性，設(shè)計(jì)具有更高靈活性的遺傳算法(全局搜索算法)+變鄰

5、域搜索算法(局部搜索算法)來(lái)完成特征選擇，實(shí)現(xiàn)了輸入數(shù)據(jù)的再次降維。經(jīng)過(guò)實(shí)例測(cè)試，上述算法的逐步改進(jìn)效果明顯。 (6)針對(duì)基于規(guī)則的分類器進(jìn)行NIDS入侵檢測(cè)時(shí)，檢測(cè)時(shí)間過(guò)長(zhǎng)，對(duì)未知新的入侵模式的檢測(cè)效果較差，不好控制和提高檢測(cè)率的問(wèn)題，本文采用基于小樣本進(jìn)行分析的支持向量機(jī)(SupportVectorMachine,SVM)算法進(jìn)行分類器設(shè)計(jì)；針對(duì)常用的幾種核函數(shù)的互補(bǔ)性特點(diǎn)，根據(jù)核函數(shù)的構(gòu)建條件，構(gòu)建混合核以提高分類器的訓(xùn)練

6、和分類精度；針對(duì)基于混合核SVM的分類器參數(shù)多，關(guān)系復(fù)雜，而且無(wú)好的調(diào)節(jié)準(zhǔn)則和算法的問(wèn)題，提出將遺傳算法引入到基于混合核SVM參數(shù)的尋優(yōu)問(wèn)題中，取得較好的效果。 (7)針對(duì)基于規(guī)則和SVM的分類器進(jìn)行NIDS入侵檢測(cè)，對(duì)全新的未知入侵模式的檢測(cè)效果較差的問(wèn)題，設(shè)計(jì)了基于聚類的孤立點(diǎn)算法并進(jìn)行了改進(jìn)，避免基于規(guī)則和SVM的分類器算法對(duì)異常模式過(guò)度擬合而泛化能力差的情況，但是這里也可能會(huì)增加虛警。 (8)將隱馬爾可夫模型(H