基于序列模式挖掘的入侵检测研究及应用

《基于序列模式挖掘的入侵检测研究及应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、长沙理工大学硕士学位论文基于序列模式挖掘的入侵检测研究及应用姓名：李春媚申请学位级别：硕士专业：计算机应用技术指导教师：胡宁静;傅明20070301摘要近年来，随着网络数据流量不断增大，与数据挖掘相结合的入侵检测系统成为了研究热点。如何将数据挖掘算法有效地结合到入侵检测系统中，是入侵检测研究要解决的问题之一。目前基于数据挖掘的入侵检测系统的算法研究主要有以下四个方面：关联分析算法，可以挖掘出记录中不同属性之间的关联关系，利用训练数据中各属性之间的关系形成关联规则；序列分析算法，可以发现审计数据中一些经常以某种规律出

2、现的事件序列模式；分类分析算法，可以用来预测新的审计数据属于正常还是异常；聚类分析算法，可以直接将未知的网络数据聚成不同的类。本文对序列模式挖掘及其在入侵检测系统中的应用进行了研究，展开了以下工作：分析了入侵检测系统的研究现状和面临的主要问题，研究了数据挖掘技术应用到入侵检测中的优势，分析了当前基于数据挖掘的入侵检测系统中存在的不足；研究了序列模式挖掘算法，针对目前基于数据挖掘的入侵检测时空效率不高的问题，对序列模式挖掘算法进行了改进；研究了基于序列模式挖掘的入侵检测系统模型，将改进的Prefixspan算法应用于

3、该模型。仿真试验结果表明，改进后的Prefixspan算法时空效率得到了改善，同时减少了规则的数量，提高了规则的有用性。关键词：入侵检测；数据挖掘；序列模式挖掘；PrefixSpan算法ABSTRACTRecemly，withtheincreasingnetworkflux，theintnlsiondetectionsystembasedondataminingtechniquehasbeenresearchedwidely．Howtoimegratee行bctivelydataminingalgorithmsim

4、Ointrusiondetectionsystemis0neOftheproblemstObesolvedforintnlsiondetectiontechnique．Atpresent，researchonthealgorithminintmsiondetectionbasedondataminingtechniqueismainlyfocusedonfouraspects：appIyingassociationanalysisalgorithmtomine11JlesamOngdifrerentanribute

5、sofrecords，applyingsequenceanalysi8algOrithmtofindoutthesequentialp砒ternsamongdifferentrecords，applyingclassificationanaIysisalgorithmtofomcastwhethernormalorabnormalnew如d“fecordsare’andapplyingclusteringalgOrithmtogetthewantedclustersfornewnetwOrkdata．Thewrit

6、eraimsattheresearchOfsequemialpattemminingalgorithmthatfitsjntoIDS(IntnIsjonDetectionSystem)and埘akestheworkasf0】lowing：Analyzingthelatestresearchprogfess孤dmainproblemsexistedofIDS，msearchingadVantageOfdataminingtechniqueappliedtOIDS，andanalyzingdisadVantageofI

7、DSbasedondataminingtechnique．Researchingsequemialpattemmininga190rithmdeepIy，andimprOvingasequemialpattemminingalgorithm．Researchinga行ameworkofIDSbasedonsequentialpatternmining，thenapplyingthePmfixSp柚algorithminthismodel．Finallysomeexperimentshasbeenperformed，

8、柚dtheexperimentalresultsshowtheimprovedPrefixSpanalgorithmimproVethetimeandspaceeaiciencyanddecreasethenumberofnlleandheightentheavailabilityof邝le．Keywords：IntmsionDetection；DataMi