基于關(guān)聯(lián)規(guī)則挖掘的入侵檢測技術(shù)研究.pdf

1、隨著網(wǎng)絡(luò)和其它信息技術(shù)的廣泛應(yīng)用，網(wǎng)絡(luò)系統(tǒng)的安全變得至關(guān)重要。入侵檢測系統(tǒng)是保護(hù)網(wǎng)絡(luò)系統(tǒng)安全的關(guān)鍵技術(shù)和重要手段，但現(xiàn)行的入侵檢測不僅對新的攻擊或特征未知的入侵無能為力，而且檢測的準(zhǔn)確性與實(shí)時性均達(dá)不到實(shí)際應(yīng)用的需求。關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘研究中一個重要的研究內(nèi)容，可以從海量數(shù)據(jù)中發(fā)現(xiàn)正常和異常的行為模式，將其用于入侵檢測不僅可以有效地檢測已知入侵，而且還具有檢測未知攻擊模式的能力，因此，研究關(guān)聯(lián)規(guī)則的高效挖掘算法對于提高入侵檢測的準(zhǔn)確

2、性和時效性具有非常重要的意義。 本文主要包括以下內(nèi)容：在分析Apriori算法及其改進(jìn)算法的基礎(chǔ)上，針對其存在的問題提出了一種自適應(yīng)快速關(guān)聯(lián)規(guī)則提取算法(A Self-Adapted Fast Data Mining Algorithm for Association Rules，SARM)。該算法的特點(diǎn)在于引入自適應(yīng)步長、基于連接的支持度統(tǒng)計與動態(tài)剪枝的概念，從而減少了對數(shù)據(jù)庫的掃描次數(shù)，解決了頻繁項(xiàng)長度增加時運(yùn)算時間顯著增加

3、的問題，提高了算法的效率。仿真結(jié)果表明，SARM算法比Apriori算法有比較明顯的優(yōu)勢，可以應(yīng)用于大規(guī)模數(shù)據(jù)庫的關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘中。通過對挖掘關(guān)聯(lián)規(guī)則增量更新中FUP算法的關(guān)鍵思想以及性能進(jìn)行了研究，提出了改進(jìn)的FUP算法SFUP。該算法充分利用原有挖掘結(jié)果中候選頻繁項(xiàng)集的支持?jǐn)?shù)，能有效減少對數(shù)據(jù)庫的重復(fù)掃描次數(shù)，并通過實(shí)驗(yàn)對這兩種算法進(jìn)行比較，結(jié)果充分說明了SFUP算法的效率要優(yōu)于FUP算法。針對現(xiàn)行的入侵檢測方法建立的正常模式和異