网络入侵识别方法比较研究

2012-08-10陈洪泉

舰船电子对抗 2012年6期

陈洪泉

（海军大连舰艇学院，大连116018）

0 引言

计算机网络安全已经越来越多地被人关注，作为网络安全的一个重要组成部分，入侵检测[1]受到越来越多的重视。目前的入侵检测模型可以分为2类：误用检测和异常检测，误用检测通过识别入侵特征来检测入侵，如参考文献[2]、[3]、[4]。误用检测能够较为准确地检测出已知模式的入侵，但在检测未知入侵方面则无能为力。而异常检测则基于对正常数据的建模，通过实际数据对正常轮廓的偏离来识别异常，它能检测出未知入侵，但不能准确识别出是何种入侵，且具有一定的误报率，异常检测例子为参考文献[5]和[6]。入侵识别需要综合异常检测和误用检测的优点，通过异常检测来确定检测样本是否为异常数据，并通过误用检测技术来识别出该样本对应的入侵类别。

目前，基于机器学习和数据挖掘的入侵识别方法成为研究的热点，其中较为关键的一步是特征的选取，特征选取的方法主要集中在特征选择和特征提取。目前公开的文献主要集中在单独利用特征选择方法或特征提取方法来进行入侵识别，并没有对基于2种特征选取方法的识别效果进行比较分析。本文利用同样的训练样本集和检验样本集对基于信息增益特征选择的识别方法和基于主成分分析（PCA）特征提取的识别方法的识别效果进行比较分析，为入侵识别的进一步研究提供借鉴。