欢迎来到天天文库
浏览记录
ID:33099094
大小:2.66 MB
页数:64页
时间:2019-02-20
《决策树在入侵检测中的应用研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、哈尔滨理工大学硕士学位论文决策树在入侵检测中的应用研究姓名:向昕彦申请学位级别:硕士专业:计算机应用技术指导教师:张凤斌20090301哈尔滨理工大学工学硕士学位论文决策树在入侵检测中的应用研究摘要随着计算机和Internet技术的迅猛发展和广泛应用,人们在受益于信息革命所带来的巨大利益的同时,也不得不面对信息安全的严峻挑战。网络的大规模使用产生了海量的安全审计数据,怎样收集和处理这些数据,并从中识别出入侵行为是网络安全研究的核心问题。而数据挖掘技术能发现隐藏在大量数据中的潜在知识。数据挖掘技术应用于入侵检测,提高了系统的智能性、准确性和扩展性。在大规模网络入侵
2、检测系统中,由于巨大的网络流量,传统的决策树分类方法就显得效率不高,容易造成高误报率和检测响应的低效。因此,本文提出一种基于属性重要度的多决策树生成算法和训练算法,在数据预处理阶段根据数据包的不同属性生成多棵决策树,在检测阶段可以通过并行检测数据包,提高检测速度,.降低误报率。本文还提出了一种多决策树的分类算法,可以根据数据属于各类的不同可能性的大小,最终确定该数据包是攻击包还是正常数据包,可以提高入侵检测的准确率,降低误报率。最后设计了一个基于多决策树算法的入侵检测模型,阐述了模型的工作原理,并利用KDDCup99的专门用于入侵检测的测试数据对检测准确率、效率
3、进行了测试,记录了测试结果。关键词入侵检测;数据挖掘;决策树;分类算法哈尔滨理T大学工学硕士学位论文ResearchonIntrusionDetectionSystemBasedonDecisionTreeAbstractWimtherapiddevelopmentandwideapplicationofthecomputerandInternettechnology,gettingthetremendousbenefitfromtheinformationrevolution,peoplealsohastofacethechallengesofinformat
4、ionsecurity.Nowthenetworkshavehadamassivelarge-scaleuseofsecurityauditdata,howtocollectandprocessthedataandlearntoidentifynetworkintrusionsarethecoreissueofSecurityStudies.Anddataminingtechnologycallfoundhiddenknowledgeinalargeanaountofdata.Datamiringtechnologyappliedtointrusiondetec
5、tionsystem,system证theintelligence,accuracyandscalabilityhasgreatlyimproved.Inthelarge·scalenetworkintrusiondetectionsystem,becauseofenOrmOUSnetworktraffic,thetraditionalmethodofdecisiontreeclassificationisinefficientandthismethodeasilyleadtohi曲falsealarmrateandresponsetodetectineffic
6、iencies.Therefore,thisthesisproposedadecision-treegenerationalgorithmbasedonthedegreeofimportantofproperty,datapre-processingstageinaccordalicewiththedifferentpacketgenerationofpropertydecisiontreemanytreesinthedetectionstage,wecandetectapacketinparallel,notomyimprovethedetectionspee
7、d,butalsoreducethefalsealarmrate.Thisthesisalsoproposesamulti·decisiontreeclassificationalgorithmbasedonthedatathebelongtoallkindsofdifferentpossibilities.WefinallydeterminethepacketSthatarenormalpacketsorattackpackets,improvingintrusiondetectionaccuracyandreducingthefalsealarmrate.F
8、inallyWedesi
此文档下载收益归作者所有