資源描述：
《基于啟發(fā)式規(guī)則的入侵檢測(cè)技術(shù)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。
1、摘要摘要北京朱文杰代寫論文不付款，特此公告之計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)的普及，在給人們的生活帶來(lái)極大便利的同時(shí)，也將安全隱患傳播到整個(gè)網(wǎng)絡(luò)。正是由于網(wǎng)絡(luò)的普及率越來(lái)越高，一旦發(fā)生有目的、大規(guī)模的網(wǎng)絡(luò)入侵行為，其造成的影響就越惡劣。做為保護(hù)網(wǎng)絡(luò)安全手段之一的入侵檢測(cè)技術(shù)，一直被廣大國(guó)內(nèi)外學(xué)者所關(guān)注。由于網(wǎng)絡(luò)規(guī)模的不斷擴(kuò)大，網(wǎng)絡(luò)流量的不斷增長(zhǎng)和黑客技術(shù)的不斷發(fā)展，對(duì)入侵檢測(cè)的性能提出了更高的要求。本文以提高入侵檢測(cè)技術(shù)的檢測(cè)正確率，降低誤警率和漏警率以及提高檢測(cè)效率為技術(shù)目標(biāo)，在檢測(cè)技術(shù)、告警融合和分布式入侵檢測(cè)系統(tǒng)的體系結(jié)構(gòu)等方面進(jìn)行了深入系統(tǒng)的研究，取得了一些創(chuàng)新性的研究成果，主要內(nèi)容包括：入侵檢
2、測(cè)技術(shù)分為異常檢測(cè)和誤用檢測(cè)兩大類。本文分別針對(duì)異常檢測(cè)和誤用檢測(cè)技術(shù)中存在的問(wèn)題，研究了其改進(jìn)方法，并提出一種基于啟發(fā)式規(guī)則的混合入侵檢測(cè)模型。論文首先介紹了入侵檢測(cè)技術(shù)的研究現(xiàn)狀和發(fā)展趨勢(shì)，對(duì)目前常用的入侵檢測(cè)技術(shù)和方法進(jìn)行了歸類和分析，同時(shí)比較了各種入侵檢測(cè)方法的優(yōu)勢(shì)和不足，指出了入侵檢測(cè)技術(shù)存在的問(wèn)題。其次，論文討論了誤用入侵檢測(cè)中模式識(shí)別算法，針對(duì)模式匹配方法存在的匹配速度慢、誤報(bào)率較高、模型庫(kù)動(dòng)態(tài)更新難等問(wèn)題，論文提出了一種改進(jìn)的AC-BM算法，進(jìn)一步提高了算法的匹配速度，設(shè)計(jì)的MRRT規(guī)約樹(shù)能支持多線程歸約和在線動(dòng)態(tài)調(diào)整，特別適用于大規(guī)模多模式匹配。再次，論文針對(duì)異常檢測(cè)技
3、術(shù)存在計(jì)算量大、訓(xùn)練時(shí)間長(zhǎng)、在小樣本情況下分類精度低的問(wèn)題，論文研究了特征選擇和SVM分類器，通過(guò)SVM在訓(xùn)練過(guò)程中主動(dòng)挑選學(xué)習(xí)樣本，從而有效地減少訓(xùn)練樣本數(shù)量，縮短訓(xùn)練時(shí)間。該檢測(cè)方法解決了異常檢測(cè)中大量訓(xùn)練樣本集獲取困難的問(wèn)題。最后，論文提出了一種基于啟發(fā)式規(guī)則的混合入侵檢測(cè)模型，系統(tǒng)通過(guò)各對(duì)連接上下行數(shù)據(jù)分別采用誤用檢測(cè)方法和異常檢測(cè)方法，并對(duì)檢測(cè)到得結(jié)果進(jìn)行擬合，通過(guò)分析向用戶發(fā)布告警入侵行為。該模型具有數(shù)據(jù)處理效率高，誤報(bào)率低，協(xié)作性好，自學(xué)習(xí)能力強(qiáng)，安全性高等特點(diǎn)。論文最后對(duì)所作的研究工作進(jìn)行了總結(jié)，并指出了今后的研究方向。摘要關(guān)鍵詞：入侵檢測(cè)，模式識(shí)別，啟發(fā)式，特征選擇，支
4、持向量機(jī)AbstractABSTRACTIntrusionDetectionhasshowngreatpotentialinnetworksecurityresearch.Mostexistingintrusiondetectionmethodstreatalldatainthenetworkasawhole.However,inreality,datainthenetworkcouldbedividedintotwocategories:uploaddataanddownloaddata.Whenintrusiontakesplace,thesetwotypesofdataflowma
5、yhavedifferentcharacters.Basedonthisdiscovery,weproposedanovelintrusiondetec?tionmethod(U-Dmethod)takingbothuploadanddownloaddataintoconsideration.Withtheenhancedseparatelyanalysismethod,wecouldfigureouttheintrusioncluesmoreeffectivelyandefficiently.Wewondertherelationshipsbetweenthesedatamightco
6、ntainsomeinstinctcluefordiscoveringimportantintrusions.Experimentresultsdemonstratetheeffectivenessofourapproach.KeyWords:Intrusiondetection,SVM,UpwardIPData,Down-wardIPData目錄目錄第一章緒論11.1研究背景11.2國(guó)內(nèi)外研究現(xiàn)狀31.3本文的主要工作81.4本文的組織結(jié)構(gòu)9第二章入侵檢測(cè)技術(shù)研究綜述112.1檢測(cè)技術(shù)的發(fā)展史112.2檢測(cè)技術(shù)的分類122.3檢測(cè)技術(shù)的評(píng)價(jià)指標(biāo)132.4誤用檢測(cè)技術(shù)142.4.1基于規(guī)
7、則匹配的檢測(cè)技術(shù)152.4.2基于條件概率的檢測(cè)技術(shù)152.4.3基于狀態(tài)轉(zhuǎn)移分析的檢測(cè)技術(shù)162.4.4基于模型推理誤用的檢測(cè)技術(shù)162.5異常檢測(cè)技術(shù)172.5.1基于統(tǒng)計(jì)方法的檢測(cè)技術(shù)172.5.2基于貝葉斯推理的檢測(cè)技術(shù)182.5.3基于神經(jīng)網(wǎng)絡(luò)的檢測(cè)技術(shù)182.5.4基于遺傳算法的檢測(cè)技術(shù)192.5.5基于數(shù)據(jù)挖掘的檢測(cè)技術(shù)202.5.6基于人工免疫的檢測(cè)技術(shù)202.5.7基于支持向量機(jī)的檢測(cè)技術(shù)202.6入侵檢測(cè)系統(tǒng)結(jié)構(gòu)
