Snort入侵检测系统中的规则泛化模型

摘要：

针对Snort系统不能检测新的入侵行为的缺点,提出一种基于规则泛化的Snort入侵检测系统的改进模型.该模型结合Snort规则的特征和数据挖掘中的知识,提出聚类泛化和最近邻泛化两种新的规则泛化方法来改进规则,增强Snort的检测能力,从而达到识别更多入侵行为的目的.实验结果表明:在不显著增加误报率的前提下,采用规则泛化的snort能够检测出原来系统不能发现的入侵行为,提高检测率达8.2%.

关键词：入侵检测、规则泛化、特征分析、进化规律

所属期刊栏目：46

分类号：TP302.1(计算技术、计算机技术)

资助基金：国家自然科学基金the National Natural Science Foundation of China under Grant 60673046,90715037;国家重点基础研究发展规划973the National Grand Fundamental Research 973 Program of China under Grant 2007CB714205;高等学校博士学科点基金the Specialized Research Fund for the Doctoral Program of Higher Education under Grant 200801410028;重庆自然科学基金项目the Natural Science Foundation Project of Chongqing under Grant 2007BA2024

在线出版日期：2010-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：88-92