16、基于数据挖掘的网络入侵检测与邮件垃圾过滤技术解析

基于数据挖掘的网络入侵检测与邮件垃圾过滤技术解析

1. 网络入侵检测系统中的数据挖掘方法

在网络入侵检测系统中，数据挖掘发挥着至关重要的作用，以下为您详细介绍几种常见的数据挖掘方法。
- 关联规则生成 ：从频繁项集中生成关联规则，利用用户给定的最小置信度（min_con），从每个最大频繁项集中发现置信度不低于 min_con 的关联规则。
- 数据分类分析方法 ：这是数据挖掘中应用最为频繁的方法。分类旨在为数据找到类别概念描述，代表该类别数据的整体信息，通常以规则或决策树的形式呈现。类别内涵描述包含特征描述和区别描述，前者描述类别对象的共同特征，后者描述类别间的差异。系统中的分类分析任务是分析安全事件数据库中的安全事件，准确描述所有事件的类别并推导事件分类规则。常见的分类算法有 CART、ID3 和 C45。数据分类的具体步骤如下：
1. 获取训练数据集，数据集中的数据记录与目标数据库的数据记录具有相同的数据项。
2. 在训练数据集中，每个数据记录都有已知的类型标识用于关联。
3. 分析训练数据集，提取其数据记录的特征属性，并为每种类型推导准确的描述模型。
4. 使用推导的类型描述模型对目标数据库中的数据记录进行分类，或推导优化的分类模型（分类规则）。
- 聚类分析方法 ：数据聚类是将物理或抽象对象分类为若干组。组内对象相似度高，组间对象相似度低。聚类分析的输入集是一组未标记、未分类的记录。它能合理划分记录集，并以隐式或显式方法描述不同等级。聚类分析可分析一组未分类的安全事件，根据分类分析的预定分类规则，将大量分散的安全事件归类为描述入侵