本文關(guān)鍵詞：基于密度的局部離群點(diǎn)挖掘及在入侵檢測(cè)中應(yīng)用研究

  更多相關(guān)文章： 數(shù)據(jù)挖掘 入侵檢測(cè) 局部離群點(diǎn) 基于密度

【摘要】：近年來(lái),互聯(lián)網(wǎng)蓬勃發(fā)展,信息化浪潮席卷全球,種類繁多的網(wǎng)絡(luò)應(yīng)用已經(jīng)滲透到了人們的日常生活與工作中。人們?cè)趹?yīng)用網(wǎng)絡(luò)進(jìn)行信息交換的同時(shí),也感受到了信息安全的重要性。由于目前網(wǎng)絡(luò)立法系統(tǒng)還不夠完善,如今出現(xiàn)了信息污染、個(gè)人信息泄露、甚至信息犯罪等一系列問(wèn)題。作為主要的安全技術(shù)之一,入侵檢測(cè)能夠?qū)崟r(shí)的對(duì)網(wǎng)絡(luò)攻擊進(jìn)行防御,是防火墻之后的第二道安全防線。隨著各種新的網(wǎng)絡(luò)攻擊手段和安全漏洞層出不窮,入侵檢測(cè)需要有更高的要求。在當(dāng)今大數(shù)據(jù)時(shí)代,各行各業(yè)每時(shí)每刻都會(huì)產(chǎn)生巨大的數(shù)據(jù)集。除了知識(shí)數(shù)據(jù)之外網(wǎng)絡(luò)攻擊的數(shù)據(jù)、信息犯罪的證據(jù)也潛藏其中。數(shù)據(jù)挖掘是一種從數(shù)據(jù)中發(fā)現(xiàn)有用知識(shí)的分析技術(shù)。本文將數(shù)據(jù)挖掘技術(shù)應(yīng)用到入侵檢測(cè)系統(tǒng)當(dāng)中,可以在攻擊類型未知的情況下,檢測(cè)出異常攻擊數(shù)據(jù),使得網(wǎng)絡(luò)安全工作者在與黑客的較量中取得了主動(dòng)。離群點(diǎn)挖掘是數(shù)據(jù)挖掘的主要分支,本文綜合數(shù)據(jù)挖掘在入侵檢測(cè)中的應(yīng)用進(jìn)展以及各種離群點(diǎn)挖掘技術(shù),以基于密度的局部離群點(diǎn)檢測(cè)算法為基礎(chǔ),提出一種優(yōu)化的局部離群點(diǎn)因子算法。該算法充分利用記憶效應(yīng),在基于密度的局部離群點(diǎn)檢測(cè)中使鄰域查詢縮小范圍,減少了大量的重復(fù)查找過(guò)程,達(dá)到減少查詢時(shí)間提高查詢效率的效果。本文選取入侵檢測(cè)數(shù)據(jù)集KDD Cup99作為實(shí)驗(yàn)數(shù)據(jù)。實(shí)驗(yàn)中抽取不同攻擊類型,組成訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集,并且對(duì)閾值等參數(shù)進(jìn)行訓(xùn)練,經(jīng)研究分析找出入侵?jǐn)?shù)據(jù)。實(shí)驗(yàn)從檢測(cè)率誤檢率以及運(yùn)行時(shí)間等方面將本文算法與其他經(jīng)典算法作比較,驗(yàn)證算法的有效性。實(shí)驗(yàn)結(jié)果表明,本文算法能夠完成網(wǎng)絡(luò)異常檢測(cè)任務(wù),具有較高的檢測(cè)率、較低的誤檢率和較少的運(yùn)行時(shí)間,并且能夠檢測(cè)出未知的入侵?jǐn)?shù)據(jù),有一定的可靠性和高效性。本文的研究成果對(duì)提高入侵檢測(cè)的效率具有一定的理論和實(shí)際應(yīng)用價(jià)值。
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP311.13;TP393.08

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 薛安榮;姚林;鞠時(shí)光;陳偉鶴;馬漢達(dá);;離群點(diǎn)挖掘方法綜述[J];計(jì)算機(jī)科學(xué);2008年11期

2 李存華;;l_∞度量意義下的離群點(diǎn)檢測(cè)[J];淮海工學(xué)院學(xué)報(bào)(自然科學(xué)版);2008年02期

3 李昕;顏學(xué)峰;;融合離群點(diǎn)判別的穩(wěn)態(tài)檢測(cè)方法及其應(yīng)用[J];華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年01期

4 封海岳;薛安榮;;基于重疊模塊度的社區(qū)離群點(diǎn)檢測(cè)[J];計(jì)算機(jī)應(yīng)用與軟件;2013年05期

5 王柏鈞,王力勤;《穩(wěn)健回歸與離群點(diǎn)檢測(cè)》介紹[J];成都?xì)庀髮W(xué)院學(xué)報(bào);1989年04期

6 黃添強(qiáng);秦小麟;葉飛躍;;基于方形鄰域的離群點(diǎn)查找新方法[J];控制與決策;2006年05期

7 熊君麗;;高維空間下基于密度的離群點(diǎn)探測(cè)算法實(shí)現(xiàn)[J];現(xiàn)代電子技術(shù);2006年15期

8 黃添強(qiáng);秦小麟;王欽敏;;空間離群點(diǎn)的模型與跳躍取樣查找算法[J];中國(guó)圖象圖形學(xué)報(bào);2006年09期

9 陳光平;葉東毅;;一種改進(jìn)的離群點(diǎn)檢測(cè)方法[J];福州大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年03期

10 薛安榮;鞠時(shí)光;;基于空間約束的離群點(diǎn)挖掘[J];計(jì)算機(jī)科學(xué);2007年06期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前9條

1 張鋒;常會(huì)友;;茫然第三方支持的隱私保持離群點(diǎn)探測(cè)協(xié)議[A];第二十四屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2007年

2 連鳳娜;吳錦林;薛永生;;一種改進(jìn)的基于距離的離群挖掘算法[A];第二十四屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2007年

3 梁雪琴;劉紅生;代秀梅;周亞芬;;聚類離群點(diǎn)挖掘技術(shù)在內(nèi)部審計(jì)信息化中的應(yīng)用——一個(gè)來(lái)自商業(yè)銀行信用卡審計(jì)的實(shí)例[A];全國(guó)內(nèi)部審計(jì)理論研討優(yōu)秀論文集(2013)[C];2014年

4 于浩;王斌;肖剛;楊曉春;;基于距離的不確定離群點(diǎn)檢測(cè)[A];第26屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（A輯）[C];2009年

5 許龍飛;熊君麗;段敏;;基于粗糙集的高維空間離群點(diǎn)發(fā)現(xiàn)算法研究[A];第二十屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2003年

6 劉文遠(yuǎn);李振平;王寶文;裴繼輝;;一種多維數(shù)據(jù)的離群點(diǎn)檢測(cè)算法[A];2007年全國(guó)第十一屆企業(yè)信息化與工業(yè)工程學(xué)術(shù)會(huì)議論文集[C];2007年

7 魏藜;錢(qián)衛(wèi)寧;周傲英;;HOT:尋找高維空間中的離群點(diǎn)[A];第十八屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2001年

8 周紅福;錢(qián)衛(wèi)寧;魏藜;周傲英;;EDOLOIS:高效準(zhǔn)確的子空間局部離群點(diǎn)發(fā)現(xiàn)[A];第二十屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2003年

9 魏藜;錢(qián)衛(wèi)寧;周傲英;;SLOT:基于估計(jì)的高效子空間局部離群點(diǎn)發(fā)現(xiàn)[A];第十九屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2002年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 Chitrakar Roshan;[D];武漢大學(xué);2015年

2 楊鵬;離群檢測(cè)及其優(yōu)化算法研究[D];重慶大學(xué);2010年

3 林海;離群檢測(cè)及離群釋義空間查找算法研究[D];重慶大學(xué);2012年

4 薛安榮;空間離群點(diǎn)挖掘技術(shù)的研究[D];江蘇大學(xué);2008年

5 楊茂林;離群檢測(cè)算法研究[D];華中科技大學(xué);2012年

6 金義富;高維稀疏離群數(shù)據(jù)集延伸知識(shí)發(fā)現(xiàn)研究[D];重慶大學(xué);2007年

7 雷大江;離群檢測(cè)與離群釋義算法研究[D];重慶大學(xué);2012年

8 萬(wàn)家強(qiáng);基于連通性的離群檢測(cè)與聚類研究[D];重慶大學(xué);2014年

9 唐向紅;數(shù)據(jù)流離群點(diǎn)檢測(cè)研究[D];華中科技大學(xué);2010年

10 劉靖;復(fù)雜數(shù)據(jù)類型的離群檢測(cè)方法研究[D];華南理工大學(xué);2014年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 韓紅霞;基于距離離群點(diǎn)的分析與研究[D];江蘇大學(xué);2007年

2 黃馨玉;基于鄰域重心變化的離群點(diǎn)檢測(cè)算法研究[D];遼寧大學(xué);2015年

3 程百球;基于EP模式的離群點(diǎn)發(fā)現(xiàn)[D];安慶師范學(xué)院;2015年

4 歐陽(yáng)根平;Hadoop云平臺(tái)下基于離群點(diǎn)挖掘的入侵檢測(cè)技術(shù)研究[D];電子科技大學(xué);2015年

5 鄧璇;數(shù)據(jù)流挖掘關(guān)鍵技術(shù)研究與實(shí)現(xiàn)[D];電子科技大學(xué);2015年

6 周瑩瑩;利用離群點(diǎn)檢測(cè)改進(jìn)協(xié)同過(guò)濾推薦算法[D];南京郵電大學(xué);2015年

7 陳娟;基于離群特征提取和能量計(jì)算的SVM股市預(yù)測(cè)研究[D];合肥工業(yè)大學(xué);2014年

8 文靜云;基于加權(quán)自然鄰域?qū)傩院挽氐碾x群檢測(cè)研究[D];重慶大學(xué);2015年

9 梅孝輝;基于聚類的離群點(diǎn)挖掘在入侵檢測(cè)中的應(yīng)用研究[D];重慶大學(xué);2015年

10 秦浩;基于密度的局部離群點(diǎn)挖掘及在入侵檢測(cè)中應(yīng)用研究[D];大連海事大學(xué);2016年

，

本文編號(hào)：1249529