基于数据挖掘的入侵检测系统检测引擎的设计

基于数据挖掘的入侵检测系统检测引擎的设计

吕锡香;杨波;裴昌幸;苏晓龙

(西安电子科技大学综合业务网理论及关键技术国家重点实验室, 陕西西安 710071)

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2004-08-20 发布日期:2004-08-20

A data mining based design for the detection engine of the intrusion detection system

Lü Xi-xiang;YANG Bo;PEI Chang-xin;SU Xiao-long

(State Key Lab. of Integrated Service Networks, Xidian Univ., Xi'an 710071, China)

Received:1900-01-01 Revised:1900-01-01 Online:2004-08-20 Published:2004-08-20

摘要/Abstract

摘要： 针对一种多点检测集中决策的入侵检测系统检测引擎的设计方案，提出了其基本检测引擎的实施策略．该策略将滑窗技术运用于数据挖掘算法，大大提高了检测效率及检测准确度．给出了对数据挖掘算法Apriori的改进思想，改进后的算法不需要频繁搜索数据库中所有的项，并且由频繁(n-1)-谓词集连接生成候选n-谓词集时不连接具有相同谓词的项，又一次大大减少了下一次搜索的项数，依次形成良性循环．测试结果表明改进后的算法在很大程度上能提高算法的效率并且更适合网络数据的挖掘．

关键词: 入侵检测, 数据挖掘, 网络安全

Abstract: We discuss our research in developing the detection engine of the intrusion detection system. The key ideas are to combine the slide window into the data mining technique to design the base detection engine which is the essential share of the meta detection engine. In addition, Apriori, a kind of data mining algorithm, is improved to mine network data. The improved algorithm does not scan all items in database and only links the items in the same list, so the detection efficiency is improved greatly. Also, other key details in IDS are put forward.

Key words: intrusion detection system, data mining, network security

中图分类号:

TN915.08

吕锡香;杨波;裴昌幸;苏晓龙. 基于数据挖掘的入侵检测系统检测引擎的设计[J]. J4, 2004, 31(4): 574-580.

Lü Xi-xiang;YANG Bo;PEI Chang-xin;SU Xiao-long.

A data mining based design for the detection engine of the intrusion detection system

[J]. J4, 2004, 31(4): 574-580.

[1]	姜来为, 顾海洋, 谢丽霞, 杨宏宇. 机器学习在WSN入侵检测中的应用研究[J]. 西安电子科技大学学报, 2024, 51(4): 206-225.
[2]	刘振岩, 张华, 刘勇, 杨立波, 王梦迪. 一种高效的软件模糊测试种子生成方法[J]. 西安电子科技大学学报, 2024, 51(2): 126-136.
[3]	熊婉寅, 毛剑, 刘子雯, 刘文懋, 刘建伟. 软件定义网络中流规则安全性研究进展[J]. 西安电子科技大学学报, 2023, 50(6): 172-194.
[4]	朱光明,卢梓杰,冯家伟,张向东,张锋军,牛作元,张亮. 因果图增强的APT攻击检测算法[J]. 西安电子科技大学学报, 2023, 50(5): 107-117.
[5]	邓颖川,张桐,刘维杰,王丽娜. COLLATE:控制相关数据的完整性保护[J]. 西安电子科技大学学报, 2023, 50(5): 199-211.
[6]	刘景美,闫义博. 人工鱼群特征选择的网络入侵检测系统[J]. 西安电子科技大学学报, 2023, 50(4): 132-138.
[7]	柴艳娜,李坤伦,宋焕生. 智能汽车的入侵检测系统安全研究[J]. 西安电子科技大学学报, 2021, 48(3): 31-39.
[8]	刘华渊,苏云飞,李瑞林,唐朝京. 结构状态覆盖导向的灰盒模糊测试技术[J]. 西安电子科技大学学报, 2021, 48(1): 117-123.
[9]	李腾,曹世杰,尹思薇,魏大卫,马鑫迪,马建峰. 应用Q学习决策的最优攻击路径生成方法[J]. 西安电子科技大学学报, 2021, 48(1): 160-167.
[10]	刘景美,高源伯. 自适应分箱特征选择的快速网络入侵检测系统[J]. 西安电子科技大学学报, 2021, 48(1): 176-182.
[11]	杨宏宇,曾仁韵. 一种深度学习的网络安全态势评估方法[J]. 西安电子科技大学学报, 2021, 48(1): 183-190.
[12]	郑献春,李晖,王瑞,闫皓楠,戴睿,萧明炽. 匿名网络应用及仿真平台研究综述[J]. 西安电子科技大学学报, 2021, 48(1): 22-38.
[13]	杨宏宇,张旭高. 一种网络安全态势自适应预测模型[J]. 西安电子科技大学学报, 2020, 47(3): 14-22.
[14]	杨宝旺. 采用符号动力学方法检测低速率拒绝服务攻击[J]. 西安电子科技大学学报, 2018, 45(1): 140-144.
[15]	梁洪泉;吴巍. 利用节点可信度的安全链路状态路由协议[J]. 西安电子科技大学学报, 2016, 43(5): 121-127.