一種新的基于數據挖掘技術的異常入侵檢測系統研

⑤if W={異常}重復②、③、④ //對滑動時間窗口得到數據規則集進行數據評估；
L=W //每次檢測結果提交決策列表以供用戶決策；
5 實驗分析
數據參考MIT林肯實驗的DARPA 1999年評測數據集。由于數據信息自身的復雜性，需要對數據信息進行多次訓練以降低數據噪音的影響。在本實驗中對ANEIDSDM算法進行模擬測試分為兩個階段:
(1)為數據訓練階段：首先收集數據信息，依此數據信息對其抽取特征主屬性，挖掘高頻度數據項集和低頻數據項集，對高頻數據項集進行數據模式集，對數據模式集進行數據挖掘，形成數據規則集，最后對數據規則集進行分類，形成標準規則庫。實驗時分為3個階段收集，實現3次訓練，如表1所示。

(2)數據模擬檢測階段：對待測數據信息進行數據規則集的挖掘，根據與標準規則庫中分類規則集的相似度對比，快速分類，通過在線滑動窗口和匹配檢測方法，對數據信息進行異常入侵檢測。若屬于異常信息，則進行預警。實驗時通過對7種常見攻擊類型的模式進行異常入侵檢測，如表2所示。

　 通過模擬攻擊實驗表明，數據信息經過ANEIDSDM入侵檢測能夠很好地檢測異常數據信息，其誤警率和檢測率都有了明顯的提高。本實驗同時可以有效地提高入侵檢測系統的檢測速度。
本文針對現有異常入侵檢測系統存在的問題，建立了一種新的基于數據挖掘技術的異常入侵檢測系統模型。該模型包括數據采集、數據分析、數據評估、事件響應等一系列檢測過程，利用多次訓練、滑動窗口、規則分類和相似度匹配思想，大大降低了系統的誤警率，提高了檢測速度，提升了檢測率，增強了網絡系統的安全性能。
參考文獻
[1] VERWORD T，HUNT R． Intrusion detection techniques and approaches[J]．Computer Communication，2002，25(15): 1356．1365．
[2] LANE T． Machine learning techniques for the computer security domain of anomaly detection[D]． Purdue University，2000．
[3] MUKKAMALA S， SUNG A H，ABRAHAM A． Intrusion detection using all ensemble of intelligent paradigms[J]．Journal of Network and Computer Application,2005，28(2)：167-182．
[4] 呂志軍，袁衛忠，仲海駿,等. 基于數據挖掘的異常入侵檢測系統研究[J].計算機科學，2004，31(10)：61-65.
[5] 田新廣，李文法，段σ,等. 基于數據挖掘和變長序列模式匹配的程序行為異常檢測[J].信號處理，2008，24(4)：521-555.
[6] 凌軍，曹陽，尹建華,等. 基于時態知識模型的網絡入侵檢測方法研究[J].計算機學報，2003，26(11)：1591-1597.
[7] 楊向榮，宋擒豹，沈鈞毅,等. 基于數據挖掘的智能化入侵檢測系統[J].計算機工程，2001，27(9)：17-102.
[8] BARFORD P，HIINE J，PLONKA D，et al． A signal analysis of network traffic anomalies[J]．Internet Measurement Workshop，2002，7:1-82．
[9] YE N， LI Xiang Yatig，CHEN Qiang． Probabilistic techniques for intrusion detection based on computer audit data[J]． Man and Cybernetics，Part A，IEEE Transactions on 2001：31(4)：266-274．
[10] YE N，EMRAN S M，CHEN Q, et a1． Multivariate statistical analysis of audit trails for host-based intrusion detection[J]．IEEE Transactions on Computers，2002，51(7)：810-820．
[11] OH S H，LEE W． A clustering based anomaly intrusion detection for a host computer[J]．IEICE Transactions on In．formation and Systems，2004，E87-D(8)：2086-2094．
[12] HOFMEYR S A，FORREST S，SOMAYAJI A． Intrusion detection using sequences of system calls[J]． Journal of Computer Security，1998(6)：151-180．
[13] LANE T，CARLA E B． An empirical study of two approaches to sequence learning for anomaly detection[J]．Machine Learning，2003，51(1)：73-107．