刘达

摘 要：在网络信息安全体系中，数据库的安全保护最为关键，入侵检测系统（IDS）是目前较为理想的数据库安全工具。论文提出了一种数据库入侵检测方法，包含一种可反映同一个数据库事务中SQL语句的关联性的数据库日志数据结构，以及采用朴素贝叶斯分类算法（NBC）的机器学习算法与入侵检测算法。实验证明，论文提出的检测系统具备较高的准确率。

关键词：入侵检测；朴素贝叶斯分类算法；数据库

1 引言

数据库系统的安全保护机制有诸如用户认证、事务处理加密、数据水印与入侵检测等。用户认证可阻止未授权用户连接数据库。事务处理加密可防止攻击者破译数据库查询语句。入侵检测是在其他防护措施被绕过的情况下可尽早识别恶意入侵行为的技术。

数据库入侵检测有两种模型，异常检测与滥用检测。异常检测模型基于大量正常用户行为的数据档案，通过将用户行为比对正常的用户行为库，如果有较明显的差异，则将其定义为入侵行为。异常检测实现的难点在于，建立完整的正常用户行为库有一定难度，将正常行为定义得太严格易于导致误判，太宽松又将漏掉攻击行为。滥用检测则是比对用户行为与典型攻击行为库，滥用检测的不足在于仅能用于检测已知的攻击行为[1]。

本文在IDS系统的框架下提出了一种更有效率，适用于RBAC（基于角色的权限访问控制）数据库的异常检测系统。本文提出的系统基于数据库事务处理建立用户行为库，可以反映出同一事务处理中SQL语句之间的关系。……