【作者】 俞晓雯；

【导师】 高强；

【作者基本信息】 华北电力大学（河北） ， 通信与信息系统， 2005， 硕士

【摘要】 本论文将数据挖掘技术应用到入侵检测领域,分别分析了数据挖掘中的聚类分析方法和关联分析方法在入侵检测中的应用。改进了K-means 聚类算法,并利用KDD　cup　99 数据包对改进算法进行评估,结果表明该改进算法能提高入侵检测率。针对聚类分析方法的弱点,本文还提出了聚类分析结合关联分析的入侵检测方法以及基于此方法的入侵检测系统模型。先利用Apriori 关联规则算法发掘已知训练集中各符号属性间的关系,建立正常行为模型和入侵模型,然后按照建立的模型对聚类的初步结果进行再次划分,以达到更佳的划分结果。最后通过对KDD　cup　99　数据包的检测,表明了该检测模型在对拒绝服务攻击和端口扫描攻击获得较高检测率的同时也降低了误检率,有效解决了检测率和误检率之间的矛盾。更多还原

【Abstract】 The　paper　applies　data　mining　to　intrusion　detection,and　analyzes　respectively　the　application　of　clustering　analysis　and　association　rules　analysis　in　intrusion　detection.We　improve　the　K-means　clustering　arithmetic　and　prove　that　the　improved　clustering　arithmetic　can　advance　the　detection　rate　through　the　detection　of　the　KDD　cup　99　data.The　paper　also　presents　the　detection　method　of　combining　clustering　analysis　with　association　rules　and　the　model　of　intrusion　detection　based　on　this　method.First　mine　the　relation　of　symbol　attribute　from　the　known　training　data　through　Apriori　association　rules　arithmetic,and　establish　normal　model　and　abnormal　model　respectively,then　patition　the　clustering　result　again　according　to　the　model,so　that　it　can　reach　the　better　result.Finally　the　detection　of　　KDD　cup　99　data　indicate　that　this　detection　model　can　detect　the　DoS　attack　and　the　Probing　attack　in　a　high　detection　rate　and　a　low　wrong　detection　rate,so　it　can　resolve　the　contradiction　of　detection　rate　and　wrong　detection　rate　effectively.更多还原