Page 202 - 计算机技术与网络安全研究

计算机技术与网络安全研究
Computer Technology and Cyber Security Research

基于异常的入侵检测：基于异常的 IDS 通过标识用户或通过已定义用户组
的模式来工作。这种方法寻找偏离既定基准行为的可能表明恶意的变化和偏差。
它涉及增加的处理量，这些处理量被异常检测器用于研究系统的审计行为。首先
创建系统、网络或程序活动的基准。这个基准可以是一个特定网络环境下正常情
况、使用量、带宽或行为的概况。此后，任何偏离基线的活动都被视为可能的入

侵并生成警报。

三、入侵检测技术的内容

基于规则的专家系统、状态转换分析、遗传算法等系统是实现特征检测的
直接而有效的方法。以及应用归纳序列模式、人工神经网络、统计分析和数据挖
掘等方法进行异常检测。
贝叶斯网络：贝叶斯网络是概率图模型，表示一组变量及其概率无关性。
贝叶斯网络已经用于许多计算机科学领域，如电子邮件垃圾邮件过滤器，语音识

别和模式识别，因为可以通过使用特定情况的概率信息建立连贯的结果。在入侵
检测中，使用贝叶斯网络的异常检测系统，就是一个假设节点之间完全独立的双
层异常检测贝氏网络，该算法模型相对简单，易于理解且分类精度高。

遗传算法：遗传算法是模拟自然进化过程搜索优化解的方法，主要包括三
个部分，分别是选择操作、交叉操作和变异操作。遗传算法以其灵活性和强大的
搜索方法，在异常检测中得到了广泛的应用。一些网络入侵检测方法使用遗传算
法对实例进行分类，而模糊数据挖掘方法则将这种技术应用于特征选择。为了列
出遗传算法的优点，它选择了最佳的特征，并具有较好的效率，但方法复杂。

归纳规则生成算法：该算法是最著名的算法之一。在这种技术中，我们有
一个主动模型决策树，它将一个项目的观察结果映射到该项目的目标值的结论上。
决策树是一种功能强大、应用广泛的决策分类数据挖掘算法。它也用于许多现实

生活中的应用，如医疗诊断、雷达信号分类、天气预报、信用审批和欺诈检测。
由于决策树的大小与数据集的大小无关，因此可以从具有很多属性的大数据集中
构造决策树。它既可以处理数字数据，也可以处理分类数据，但是从数字数据集
生成的树可能很复杂。构造归纳规则生成算法可能不需要任何领域知识。它可以
处理高维数据，而且表现形式很容易理解。但是，它仅限于一个输出属性。决策

树算法是不稳定的，大多数决策树构造方法是不回溯的。

194
194