入侵檢測(cè)算法及關(guān)鍵技術(shù)研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩112頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著計(jì)算機(jī)網(wǎng)絡(luò)的迅猛發(fā)展,如何確保網(wǎng)絡(luò)信息的安全性已成為日益嚴(yán)峻的課題。入侵檢測(cè)技術(shù)通過(guò)實(shí)時(shí)監(jiān)視系統(tǒng)中的審計(jì)記錄或網(wǎng)絡(luò)數(shù)據(jù)流來(lái)發(fā)現(xiàn)入侵,作為一種主動(dòng)的信息安全保障措施,入侵檢測(cè)技術(shù)越來(lái)越受關(guān)注。 入侵檢測(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)中存在的問題,研究了其改進(jìn)方法,并提出一種分布式漏洞掃描與入侵檢測(cè)協(xié)作系統(tǒng)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

2、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)存在的問題。 針對(duì)異常檢測(cè)技術(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題,論文提出將支持向量機(jī)(SVM)主動(dòng)學(xué)習(xí)方法運(yùn)用于入侵檢測(cè),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題,通過(guò)實(shí)驗(yàn)證明,與SVM被動(dòng)學(xué)習(xí)方法相比,該檢測(cè)方法有效地提高了S

3、VM的訓(xùn)練速度,在小樣本的情況下,獲得了更好的檢測(cè)精度。 樣本集中的冗余特征不僅占用了大量的存儲(chǔ)空間、而且會(huì)影響SVM 的分類精度。論文提出了一種將粗糙集與SVM結(jié)合的入侵檢測(cè)方法。采用基于粗糙集理論的特征約簡(jiǎn)算法,對(duì)提取的網(wǎng)絡(luò)特征進(jìn)行精簡(jiǎn)后,再通過(guò)SVM進(jìn)行分類訓(xùn)練。采用粗糙集理論進(jìn)行特征約簡(jiǎn),與通過(guò)SVM對(duì)特征的重要性進(jìn)行排序以獲得關(guān)鍵特征的方法相比,不僅計(jì)算量小,面且克服了特征重要度衡量指標(biāo)制定過(guò)程中的主觀性。實(shí)驗(yàn)證明,該

4、方法能有效地提高SVM的檢測(cè)效率,大幅減少樣本的存儲(chǔ)空間。 模式匹配是目前入侵檢測(cè)系統(tǒng)中普遍采用的一種誤用檢測(cè)方法,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)更新難等問題,論文提出了一種新的漏洞掃描與入侵檢測(cè)系統(tǒng)協(xié)作機(jī)制,入侵檢測(cè)系統(tǒng)可以根據(jù)漏洞掃描的結(jié)果,將入侵模式庫(kù)中與已得到修補(bǔ)的安全漏洞相關(guān)的攻擊特征刪除;同時(shí)還可根據(jù)漏洞庫(kù)更新結(jié)果,動(dòng)態(tài)增加新發(fā)現(xiàn)漏洞的攻擊特征。該方法不僅能大幅度縮小模式庫(kù)規(guī)模,有效縮短模式

5、匹配時(shí)間,降低系統(tǒng)誤報(bào),而且還可實(shí)現(xiàn)模式庫(kù)的動(dòng)態(tài)更新。另一方面漏洞掃描系統(tǒng)也可以根據(jù)IDS傳送的報(bào)警信息,對(duì)某些主機(jī)或網(wǎng)絡(luò)服務(wù)進(jìn)行特定的掃描,針對(duì)發(fā)現(xiàn)的攻擊,及時(shí)查找、修補(bǔ)相關(guān)安全漏洞。通過(guò)漏洞掃描與入侵檢測(cè)系統(tǒng)的協(xié)作,可以有效地提高IDS檢測(cè)效率,增強(qiáng)系統(tǒng)的整體防御能力。針對(duì)該協(xié)作機(jī)制,論文提出了一種分布式漏洞掃描與入侵檢測(cè)協(xié)作系統(tǒng)模型,系統(tǒng)通過(guò)各掃描節(jié)點(diǎn)和檢測(cè)節(jié)點(diǎn)之間的協(xié)同工作,共同完成系統(tǒng)安全脆弱性評(píng)估及防范針對(duì)系統(tǒng)的入侵行為。該

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論