数据挖掘及时间序列分析在NIDS中的应用.ppt

该【数据挖掘及时间序列分析在NIDS中的应用 】是由【3827483】上传分享，文档一共【18】页，该文档可以免费在线阅读，需要了解更多关于【数据挖掘及时间序列分析在NIDS中的应用 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。数据挖掘及时间序列分析在NIDS中的应用
—— 开题报告
报告人 高飞
导师 孙济洲
01
现有检测方法及其不足
02
研究目标
03
研究意义
04
研究方案
05
工作进度
内容提要
STEP5
STEP4
STEP3
STEP2
STEP1
检测方法单一，基本上是基于规则的模式匹配阶段(此处的规则含义比较窄，如“特征字符串”.与后面提到的规则不同)。
可扩展性差
自动化能力低
适应变种能力差
没有分析数据行为模式能力
现有检测方法及其不足
NIDS的体系结构及研究对象定位
人机交互
事件
规则
规则
规则
已知规则
对抗措施
事件序列生成器
移动代理
事件库
规则发现及行为分析引擎
检测引擎
规则库
决策引擎
活动监测代理
互联网
活动监测代理
可以依据以下3个特征进行检测的对象：
01
网络连接特征
02
连接的内容特征
03
连接的统计特征
04
主要针对除了漏洞攻击外的4类入侵行为:
05
探测
06
拒绝服务
07
远程攻击
08
本地用户非法获得根用户权限
09
研究对象
规则自动发现（包括攻击模式发现和正常模式相关发现）
行为模式分析与建模（结合黑客心理）
研究主题
不但要能发现参数值具体的规则，而且要能对规则进行合并和泛化处理，形成一些非常数参量的规则
所发现规则尽量是时间独立、与趋势或变化率相关的
研究主题的预期目标
如何能够在大量的报警信息中，与其他关联的信息进行比照和分析，进行有效的归纳总结，得出攻击者意图，攻击目的和攻击心理，并有效锁定攻击者。
规则自动发现解决了人工建立知识库的困难。
行为分析是IDS技术的最高境界,是NIDS技术目前所面临的巨大瓶颈所在。从学术研究向应用转化。
研究意义
聚类算法(ISODATA)
关联分析(与信息熵结合)
序列分析
研究方案——数据挖掘
01
可以自动按数据内在的规律性自组织分类，再对之进行规律的分析,是一种知识的发现过程
ISODATA算法基本描述
优点
02
03
聚类方法