入侵检测在线规则生成模型

摘要：

利用机器学习算法,如SVM、神经网络等,进行入侵检测已取得很大进展,但检测结果难于理解的问题已影响到这些检测算法的广泛使用.文章在对已知的关联算法进行比较分析的基础上,提出了一种针对入侵检测结果的实时规则在线生成方法,以提高对检测结果的理解,降低入侵所带来的损失.在定义局部支持度、全局可信度、CI-Tree和IX-Tree树结构的基础上,设计了直接产生仅与当前发生的攻击相关的规则集的规则生成算法.该方法解决了当前主流关联规则生成算法应用到入侵检测结果集的过程中所存在的多遍扫描(至少两遍)、攻击数据的非均衡分布所带来的大量无效规则的产生和两阶段规则生成方法使得在第一阶段产生了众多与最后生成的规则集无关的频繁集等问题.经过实验表明,文中所提出的方法在规则生成和时间效率方面都显示出了良好的性能.

关键词：规则生成、入侵检测、关联规则、分类规则

所属期刊栏目：29

分类号：TP3(计算技术、计算机技术)

资助基金：江苏省自然科学基金BK2002073;60373064;国家高技术研究发展计划863计划2003AA142010

在线出版日期：2006-11-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1523-1532