基于貝葉斯分類的入侵檢測規(guī)則學習模型的研究與實現(xiàn).pdf

1、自從Internet普及以來，越來越多的人通過Internet處理各種事務。但是隨之而來的是猖獗的計算機病毒和非法入侵事件，尤其在當今以網(wǎng)絡為主的信息時代，在明處抵擋外來攻擊的防火墻顯得力不從心，何況還有許多來自網(wǎng)絡內(nèi)部的非法事件，比如內(nèi)部用戶的越權操作和惡意破壞等等。因此如何保護計算機、構建相對安全的網(wǎng)絡環(huán)境已經(jīng)是當前的首要之事。于是，在各種技術的支持下，入侵檢測系統(tǒng)應運而生。 本文首先介紹了入侵檢測技術的研究背景和發(fā)展歷程；

2、接著介紹了入侵檢測系統(tǒng)的概念、分類及其標準化工作。然后圍繞數(shù)據(jù)挖掘這一概念討論了幾種主要的算法，并對數(shù)據(jù)挖掘應用到入侵檢測中作了一定的研究。基于此，采用分布式結構設計了一個入侵檢測系統(tǒng)，并和實驗室同學完成的蜜罐系統(tǒng)、防火墻系統(tǒng)合作組成一個相對完善的主動防御體系。在入侵檢測系統(tǒng)中，綜合幾種因素決定采用數(shù)據(jù)挖掘中的分類算法——樸素貝葉斯分類算法，并實現(xiàn)了規(guī)則的學習模型，包括數(shù)據(jù)庫、挖掘準備、貝葉斯分類器和規(guī)則庫四個部分；并對模型的挖掘性能進