基于用戶行為的異常檢測系統(tǒng)研究與實現(xiàn).pdf

1、網(wǎng)絡在為用戶帶來便利的同時，也帶來了惡意入侵的風險，由此產(chǎn)生以入侵檢測技術為主的主動防護技術。本文從分析計算機用戶的角度出發(fā)，以用戶行為為研究對象，分析審計數(shù)據(jù)的具體特征，為用戶行為建模，并結合機器學習的統(tǒng)計方差算法和最近鄰算法，設計實現(xiàn)了一個基于用戶行為的異常檢測系統(tǒng)。本論文的具體工作如下：
　　 ·調(diào)研和分析入侵檢測技術、攻擊技術、用戶行為及模型、統(tǒng)計分析方法和基于實例學習的相關知識。
　　 ·以計算機用戶為研究對象

2、，分析用戶行為及其檢測屬性，針對用戶傳輸行為建模。
　　 ·以用戶傳輸行為中的檢測屬性IP地址和Service為核心，提出服務特征分析的概念，對審計數(shù)據(jù)進行預處理，減小審計數(shù)據(jù)的規(guī)模，并使審計數(shù)據(jù)更加規(guī)整。
　　 ·針對統(tǒng)計方差算法，提出加權因子來調(diào)整可信區(qū)間的大小，從而在虛警率基本相持的情況下，提高檢測率。另外，引入最近鄰算法對攻擊行為分類，并使用統(tǒng)計方差算法來減小需要計算的已存儲實例數(shù)目。
　　 ·基于提出的

3、異常檢測算法和異常檢測模型，本文開發(fā)實現(xiàn)了一個基于用戶行為的異常檢測系統(tǒng) ADSUB，并使用國際通用的入侵檢測評價數(shù)據(jù)集KDDCUP99進行實驗，來驗證系統(tǒng)效果。我們首先選取部分用戶記錄作為先驗數(shù)據(jù)，并使用統(tǒng)計方差算法分別計算正常用戶行為記錄和不同攻擊類型記錄的均值和閾值，形成正常/異常用戶行為輪廓，然后再取部分用戶行為記錄作為待檢測數(shù)據(jù)，將待檢測用戶記錄與正常記錄的閾值比較，分析是否異常，如果異常，則結合不同攻擊類型記錄的均值、閾值以