基于云模型的入侵檢測數(shù)據(jù)劃分方法
【專利摘要】本發(fā)明提供一種基于云模型的入侵檢測數(shù)據(jù)劃分方法。技術(shù)方案包括5個(gè)步驟：步驟①：建立云模型數(shù)據(jù)；步驟②：計(jì)算云模型特征；步驟③：輸入待檢測入侵檢測數(shù)據(jù)；步驟④：計(jì)算數(shù)據(jù)屬性隸屬度；步驟⑤：劃分信號(hào)類別。本發(fā)明的有益效果：在進(jìn)行入侵檢測數(shù)據(jù)屬性判斷時(shí)，改變了以往依靠主觀經(jīng)驗(yàn)對(duì)數(shù)據(jù)的信號(hào)含義進(jìn)行劃分的方式，通過入侵檢測數(shù)據(jù)屬性隸屬度的定量分析來劃分信號(hào)含義；在后續(xù)的DCA異常檢測中，提高了入侵檢測的檢測率，降低了虛警率，具備計(jì)算量小，實(shí)時(shí)性好等優(yōu)點(diǎn)。
【專利說明】基于云模型的入侵檢測數(shù)據(jù)劃分方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于信息安全【技術(shù)領(lǐng)域】，涉及一種在網(wǎng)絡(luò)中利用云模型來判斷入侵檢測數(shù) 據(jù)中危險(xiǎn)屬性從而進(jìn)行信號(hào)劃分的方法。

【背景技術(shù)】
[0002] IDS (Intrusion Detection System,入侵檢測系統(tǒng)）是人們?cè)噲D解決網(wǎng)絡(luò)入侵的 一個(gè)途徑，研究人員開發(fā)出不同的IDS來識(shí)別和阻止入侵事件的發(fā)生。目前，有些IDS的原 理是通過模擬人工免疫系統(tǒng)的免疫過程來解決入侵檢測領(lǐng)域的問題，這種IDS具有快速、 準(zhǔn)確的免疫識(shí)別特性，能夠?qū)φ５挠?jì)算機(jī)行為和入侵的有害行為進(jìn)行有效劃分，同時(shí)具 有的魯棒性、自適應(yīng)性和自學(xué)習(xí)性等多種特性，這也正是現(xiàn)代入侵檢測技術(shù)所追求的。
[0003] 異常檢測是入侵檢測的一種類型?；谖ｋU(xiǎn)理論的異常檢測方法中最典型的一種 算法是DCA(Dendritic Cell Algorithm,樹突狀細(xì)胞方法），該方法作為危險(xiǎn)理論的實(shí)現(xiàn)方 法，不需要額外的檢測器訓(xùn)練時(shí)間，方法計(jì)算量小，占用的計(jì)算資源也非常少。DCA首先將入 侵檢測數(shù)據(jù)劃分成三種信號(hào)再進(jìn)行后續(xù)處理，目前劃分信號(hào)的主要做法是對(duì)監(jiān)測到的入侵 檢測數(shù)據(jù)屬性從主觀經(jīng)驗(yàn)上根據(jù)信號(hào)含義進(jìn)行劃分，這種做法只能定性地描述三種信號(hào)的 含義，不能從定量的角度進(jìn)行更細(xì)致的描述劃分。
[0004] 云模型是一種建立在模糊集理論和概率論的基礎(chǔ)上，將定性概念轉(zhuǎn)變成定量表示 的數(shù)學(xué)工具。由于云模型能準(zhǔn)確的用語言值反應(yīng)出事物的不確定性，目前已經(jīng)成功用于數(shù) 據(jù)挖掘、知識(shí)發(fā)現(xiàn)、網(wǎng)絡(luò)安全預(yù)測以及入侵檢測等領(lǐng)域。由于入侵檢測數(shù)據(jù)是對(duì)多個(gè)對(duì)象和 屬性進(jìn)行監(jiān)控和檢測，對(duì)實(shí)時(shí)性的要求很高，而云模型則可以以較小的計(jì)算量完成對(duì)定性 概念和定量表示之間的轉(zhuǎn)換，符合入侵檢測實(shí)時(shí)性的需求。云模型從數(shù)據(jù)處理的角度解決 了入侵檢測數(shù)據(jù)多維性、難處理以及計(jì)算量大等難點(diǎn)，為人工免疫理論在入侵檢測上的應(yīng) 用鋪平了道路。因此，本發(fā)明將云模型引入入侵檢測【技術(shù)領(lǐng)域】，提高了入侵檢測的準(zhǔn)確性和 實(shí)時(shí)性。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明提供一種基于云模型的入侵檢測數(shù)據(jù)劃分方法，該方法的輸出作為DCA的 三種輸入信號(hào)，實(shí)現(xiàn)了對(duì)入侵檢測數(shù)據(jù)的定性劃分，提高了 DCA后續(xù)異常檢測的準(zhǔn)確性。
[0006] 本發(fā)明的技術(shù)方案是：一種基于云模型的入侵檢測數(shù)據(jù)劃分方法，其特征在于，包 括下述步驟：
[0007] 步驟①：建立云模型數(shù)據(jù)。
[0008] 從入侵檢測標(biāo)準(zhǔn)數(shù)據(jù)集中選取N個(gè)正常數(shù)據(jù)存入矩陣X = [Xij]NXM中形成云模型 數(shù)據(jù)，其中N的大小根據(jù)所需云模型的規(guī)模確定，M代表標(biāo)準(zhǔn)數(shù)據(jù)集的屬性數(shù)。
[0009] 步驟②：計(jì)算云模型特征。
[0010] 利用下列公式計(jì)算云模型第j屬性的期望Ex』、熵Erij、超熵He』、卡方值CSj和權(quán)重 因子P」，j = 1，2,…，M:

【權(quán)利要求】
1. 一種基于云模型的入侵檢測數(shù)據(jù)劃分方法，其特征在于，包括下述步驟： 步驟①：建立云模型數(shù)據(jù)： 從入侵檢測標(biāo)準(zhǔn)數(shù)據(jù)集中選取N個(gè)正常數(shù)據(jù)存入矩陣X= [Xi」NXM中形成云模型數(shù)據(jù)， 其中N的大小根據(jù)所需云模型的規(guī)模確定，M代表標(biāo)準(zhǔn)數(shù)據(jù)集的屬性數(shù)： 步驟②：計(jì)算云模型特征： 利用下列公式計(jì)算云模型第j屬性的期望Exj、熵Enj、超熵He」、卡方值CSj和權(quán)重因子Pj,j= 1，2,…，M:
步驟③：輸入待檢測入侵檢測數(shù)據(jù)： 將K個(gè)待檢測入侵檢測數(shù)據(jù)存入矩陣Z= [Zi^_]KXM，從云模型數(shù)據(jù)中隨機(jī)選取K個(gè)正 常數(shù)據(jù)存入矩陣Y= [y^』]ΚΧΜ，其中K〈N; 步驟④：計(jì)算數(shù)據(jù)屬性隸屬度。 利用下列公式分別計(jì)算正常數(shù)據(jù)的第j屬性隸屬度和待檢測入侵檢測數(shù)據(jù)的第j屬性隸屬度μ'j:
上述公式中，五v,= ，En，是以EnjS均值、HejS標(biāo)準(zhǔn)差的正態(tài) -JNJN 隨機(jī)數(shù)； 步驟⑤：劃分信號(hào)類別： 針對(duì)待檢測入侵檢測數(shù)據(jù)，依據(jù)以下情況劃分信號(hào)： 若Eμ' ^ >Eμ^將K個(gè)待檢測入侵檢測數(shù)據(jù)劃分為DS危險(xiǎn)信號(hào)； 若Eμ' ^ >Eh且Varμ' ^ <Varμρ將K個(gè)待檢測入侵檢測數(shù)據(jù)劃分為PAMPS病 原相關(guān)分析模式信號(hào)； 若Eμ' ^ <El·^，將K個(gè)待檢測入侵檢測數(shù)據(jù)劃分為SS安全信號(hào)； 其中，,Var^j ， μ] N jN 1 N Σ::Μ-印/)2 Varpi =y-1 --〇 J N
【文檔編號(hào)】H04L29/08GK104239785SQ201410520551
【公開日】2014年12月24日 申請(qǐng)日期:2014年9月30日 優(yōu)先權(quán)日:2014年9月30日
【發(fā)明者】張琛, 王文浩 申請(qǐng)人:中國人民解放軍國防科學(xué)技術(shù)大學(xué)