基于數(shù)據(jù)挖掘技術(shù)的入侵檢測系統(tǒng)

1 引言
隨著計算機網(wǎng)絡不斷發(fā)展，各種問題也隨之產(chǎn)生，網(wǎng)絡安全問題尤為突出。傳統(tǒng)的入侵檢測技術(shù)包括濫用檢測和異常檢測。其中，濫用檢測是分析各種類型的攻擊手段，找出可能的“攻擊特征”集合，可有效檢測到已知攻擊，產(chǎn)生誤報較少，但只能檢測到已知的入侵類型，而對未知的入侵類型無能為力，需要不斷更新攻擊特征庫；而異常檢測的假設(shè)條件是通過觀察當前活動與系統(tǒng)歷史正?；顒忧闆r之間的差異可實現(xiàn)攻擊行為的檢測。其優(yōu)點是可檢測到未知攻擊，缺點是誤報和漏報較多。針對現(xiàn)有網(wǎng)絡入侵檢測系統(tǒng)的一些不足，將數(shù)據(jù)挖掘技術(shù)應用于網(wǎng)絡入侵檢測，以Snort入侵檢測系統(tǒng)模型為基礎(chǔ)，提出一種新的基于數(shù)據(jù)挖掘的網(wǎng)絡入侵檢測系統(tǒng)模型。

2 數(shù)據(jù)挖掘在入侵檢測系統(tǒng)中的應用
數(shù)據(jù)挖掘技術(shù)在入侵檢測系統(tǒng)(IDS)中的應用，主要是通過挖掘?qū)徲嫈?shù)據(jù)以獲得行為模式，從中分離出入侵行為，有效實現(xiàn)入侵檢測規(guī)則。審計數(shù)據(jù)由經(jīng)預處理、帶有時間戳的審計記錄組成。每條審計記錄都包含一些屬性(也稱為特征)，例如，一個典型的審計日志文件包括源IP地址、目的IP地址、服務類型、連接狀態(tài)等屬性。挖掘?qū)徲嫈?shù)據(jù)是一項重要任務，直接影響入侵檢測的精確性和可用性，常用的挖掘方法有關(guān)聯(lián)性分析、分類、序列分析等。
(1)關(guān)聯(lián)性分析關(guān)聯(lián)分析就是要發(fā)現(xiàn)關(guān)聯(lián)規(guī)則，找出數(shù)據(jù)庫中滿足最小支持度與最小確信度約束的規(guī)則，即給定一組Item和一個記錄集合，通過分析記錄集合推導出Item間的相關(guān)性。一般用信任度(confidence)和支持度(support)描述關(guān)聯(lián)規(guī)則的屬性。關(guān)聯(lián)分析的目的是從已知的事務集W中產(chǎn)生數(shù)據(jù)集之間的關(guān)聯(lián)規(guī)則，即同一條審計記錄中不同字段之間存在的關(guān)系，同時保證規(guī)則的支持度和信任度大于用戶預先指定的最小支持度和最小信任度。
(2)分類映射一個數(shù)據(jù)項到其中一個預定義的分類集中，它輸出“分類器”，表現(xiàn)形式是決策樹或規(guī)則。在入侵檢測中一個典型的應用就是，收集足夠多的審計數(shù)據(jù)送交用戶或程序，然后應用分類算法去學習分類器，標記或預測新的正?；虍惓５牟豢梢妼徲嫈?shù)據(jù)。分類算法要解決的重點是規(guī)則學習問題。
(3)序列分析用于構(gòu)建序列模式，以發(fā)現(xiàn)審計事件中經(jīng)常存在的時間序列。這些經(jīng)常發(fā)生的事件模式有助于將時間統(tǒng)計方法應用于入侵檢測模型。例如，如果審計數(shù)據(jù)中包含基于網(wǎng)絡的拒絕服務攻擊DOS(Denial of Service Attack)行為．由此得到的模式就要對在這一時間段內(nèi)工作的每個主機和每項服務進行檢測。