数据流聚类算法在网络入侵检测中的应用研究
2016-02-05胡朝举贾文瑞
网络安全技术与应用 2016年7期
◆胡朝举 贾文瑞
(华北电力大学计算机系 河北 071000)
数据流聚类算法在网络入侵检测中的应用研究
◆胡朝举 贾文瑞
(华北电力大学计算机系 河北 071000)
随着计算机网络技术的不断发展,网络的复杂化及规模化使得传统的网络入侵检测系统已经无法适应,主要表现在对大量、高速网络数据流处理的实时性一般、可靠性不高。针对这些问题,本文结合了数据流聚类算法和Snort入侵检测系统,设计了面向大量网络数据流的入侵检测机制,通过基于网格和密度的数据流聚类算法提高了处理数据流的实时性和可靠性,并在入侵检测中体现出了高效性。
入侵检测;数据流聚类;网格密度;Snort
0 引言
随着网络技术的不断发展,网络攻击成为了网络稳定运行的最大威胁。入侵检测技术是一种积极主动的安全防护措施,它提供了对内部攻击、外部攻击以及误操作的实时监控,在系统受到危害之前拦截并做出相关响应。但由于网络的复杂化以及规模化,传统的网络入侵检测技术在面对新网络攻击时已经显得无法适应,在实时性、可靠性上都需要进一步地提升。通过数据流聚类的方法可以很大地改善这一问题。
1 背景和概述
1.1 传统网络入侵检测研究
传统网络入侵检测系统算法都需要对数据进行大量的运算迭代才能出现精确的分类结果,在入侵检测系统中正确区分识别各类攻击方式,但是在新型的复杂网络环境中,数据是连续到达且是不断更新的,如果面对大量并且高速的数据流传统算法难以适应。……
登录APP查看全文
