基于多種檢測器混合的入侵檢測技術(shù).pdf_第1頁
已閱讀1頁,還剩62頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、入侵檢測系統(tǒng)是繼“防火墻”、“數(shù)字簽名”、“訪問控制”等傳統(tǒng)靜態(tài)安全保護措施之后的又一道安全閘門。傳統(tǒng)的入侵檢測系統(tǒng)采用模式匹配的方法來實現(xiàn)檢測,在自適應(yīng)性方面表現(xiàn)得不夠理想。將數(shù)據(jù)挖掘技術(shù)應(yīng)用于網(wǎng)絡(luò)入侵檢測,可以充分發(fā)揮數(shù)據(jù)挖掘處理大數(shù)據(jù)量的優(yōu)勢,提高檢測的效率和準確性,但是存在一定的誤檢率。 本文首先設(shè)計了一個基于模式匹配和數(shù)據(jù)挖掘的入侵檢測系統(tǒng)模型,具體分析了每個模塊完成的功能并給出模塊的具體實現(xiàn)方法,在基于模式匹配的檢測

2、設(shè)計部分提出了使用經(jīng)典的AC BM多模匹配算法進行檢測的思想。論文詳細地分析了引入數(shù)據(jù)挖掘的知識對網(wǎng)絡(luò)數(shù)據(jù)包首部信息進行檢測的模塊,完成了對原始數(shù)據(jù)的預(yù)處理、高精度分類模型的構(gòu)造和系統(tǒng)的功能實現(xiàn)。 預(yù)處理的過程就是基本屬性的提取過程,在構(gòu)建分類模型時,特征屬性的選擇直接影響模型的精度,而特征屬性來源于基本屬性,因此本文設(shè)計了一個完整的預(yù)處理過程,實現(xiàn)了從原始數(shù)據(jù)集中對連接記錄的基本屬性的提取。 論文通過分析影響分類模型精

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論