資源描述：
《基于啟發(fā)式規(guī)則的入侵檢測技術(shù)研究論文》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、摘要基于啟發(fā)式規(guī)則的入侵檢測技術(shù)研究摘要計算機和網(wǎng)絡(luò)技術(shù)的普及，在給人們的生活帶來極大便利的同時，也將安全隱患傳播到整個網(wǎng)絡(luò)。正是由于網(wǎng)絡(luò)的普及率越來越高，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。做為保護網(wǎng)絡(luò)安全手段之一的入侵檢測技術(shù)，一直被廣大國內(nèi)外學者所關(guān)注。由于網(wǎng)絡(luò)規(guī)模的不斷擴大，網(wǎng)絡(luò)流量的不斷增長和黑客技術(shù)的不斷發(fā)展，對入侵檢測的性能提出了更高的要求。本文以提高入侵檢測技術(shù)的檢測正確率，降低誤警率和漏警率以及提高檢測效率為技術(shù)目標，在檢測技術(shù)、告警融合和分布式入侵檢測系統(tǒng)的體系結(jié)構(gòu)等方面進行了深入系統(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：入侵檢測技術(shù)分為
2、異常檢測和誤用檢測兩大類。本文分別針對異常檢測和誤用檢測技術(shù)中存在的問題，研究了其改進方法，并提出一種基于啟發(fā)式規(guī)則的混合入侵檢測模型。論文首先介紹了入侵檢測技術(shù)的研究現(xiàn)狀和發(fā)展趨勢，對目前常用的入侵檢測技術(shù)和方法進行了歸類和分析，同時比較了各種入侵檢測方法的優(yōu)勢和不足，指出了入侵檢測技術(shù)存在的問題。其次，論文討論了誤用入侵檢測中模式識別算法，針對模式匹配方法存在的匹配速度慢、誤報率較高、模型庫動態(tài)更新難等問題，論文提出了一種改進的AC-BM算法，進一步提高了算法的匹配速度，設(shè)計的MRRT規(guī)約樹能支持多線程歸約和在線動態(tài)調(diào)整，特別適用于大規(guī)模多模式匹配。再次，論文針對異常檢測技術(shù)存在計算量大、
3、訓練時間長、在小樣本情況下分類精度低的問題，論文研究了特征選擇和SVM分類器，通過SVM在訓練過程中主動挑選學習樣本，從而有效地減少訓練樣本數(shù)量，縮短訓練時間。該檢測方法解決了異常檢測中大量訓練樣本集獲取困難的問題。最后，論文提出了一種基于啟發(fā)式規(guī)則的混合入侵檢測模型，系統(tǒng)通過各對連接上下行數(shù)據(jù)分別采用誤用檢測方法和異常檢測方法，并對檢測到得結(jié)果進行擬合，通過分析向用戶發(fā)布告警入侵行為。該模型具有數(shù)據(jù)處理效率高，誤報率低，協(xié)作性好，自學習能力強，安全性高等特點。論文最后對所作的研究工作進行了總結(jié)，并指出了今后的研究方向。摘要關(guān)鍵詞：入侵檢測，模式識別，啟發(fā)式，特征選擇，支持向量機Abstrac
4、tABSTRACTIntrusionDetectionhasshowngreatpotentialinnetworksecurityresearch.Mostexistingintrusiondetectionmethodstreatalldatainthenetworkasawhole.However,inreality,datainthenetworkcouldbedividedintotwocategories:uploaddataanddownloaddata.Whenintrusiontakesplace,thesetwotypesofdataflowmayhavedifferent
5、characters.Basedonthisdiscovery,weproposedanovelintrusiondetec?tionmethod(U-Dmethod)takingbothuploadanddownloaddataintoconsideration.Withtheenhancedseparatelyanalysismethod,wecouldfigureouttheintrusioncluesmoreeffectivelyandefficiently.Wewondertherelationshipsbetweenthesedatamightcontainsomeinstinct
6、cluefordiscoveringimportantintrusions.Experimentresultsdemonstratetheeffectivenessofourapproach.KeyWords:Intrusiondetection,SVM,UpwardIPData,Down-wardIPData目錄畢業(yè)設(shè)計（論文）原創(chuàng)性聲明和使用授權(quán)說明原創(chuàng)性聲明本人鄭重承諾：所呈交的畢業(yè)設(shè)計（論文），是我個人在指導教師的指導下進行的研究工作及取得的成果。盡我所知，除文中特別加以標注和致謝的地方外，不包含其他人或組織已經(jīng)發(fā)表或公布過的研究成果，也不包含我為獲得安陽工學院及其它教育機構(gòu)的學位或?qū)W
7、歷而使用過的材料。對本研究提供過幫助和做出過貢獻的個人或集體，均已在文中作了明確的說明并表示了謝意。作者簽名： 日 期： 指導教師簽名： 日 期： 使用授權(quán)說明目錄本人完全了解安陽工學院關(guān)于收集、保存、使用畢業(yè)設(shè)計（論文）的規(guī)定，即：按照學校要求提交畢業(yè)設(shè)計（論文）的印刷本和電子版本；學校有權(quán)保存畢業(yè)設(shè)計（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務(wù)；學校可以采
