论文研究基于异常检测的模糊行为序列挖掘算法研究.pdf
异常检测是入侵检测的一种重要手段,异常检测的关键在于正常模式的刻画,而正常模式的质量取决于数据的质量。对于纯净(不带噪声)的数据,正常模式的准确度相对较高;对于不太纯净的数据,就有可能丢掉某些真正的用户特征,从而会增加误警率。基于此提出了一个ASM用户行为序列特征挖掘算法,该算法结合数据挖掘中的序列挖掘方法,利用模糊匹配技术来挖掘隐藏在噪声背后的用户行为序列。实验表明,采用模糊匹配技术为入侵检测提取正常序列模式是可行的、有效的。
异常检测是入侵检测的一种重要手段,异常检测的关键在于正常模式的刻画,而正常模式的质量取决于数据的质量。对于纯净(不带噪声)的数据,正常模式的准确度相对较高;对于不太纯净的数据,就有可能丢掉某些真正的用户特征,从而会增加误警率。基于此提出了一个ASM用户行为序列特征挖掘算法,该算法结合数据挖掘中的序列挖掘方法,利用模糊匹配技术来挖掘隐藏在噪声背后的用户行为序列。实验表明,采用模糊匹配技术为入侵检测提取正常序列模式是可行的、有效的。