网站在日常办公中的日益普及,一方面给我们的生活带来了便捷,另一方面也需要我们预防形形色色的网站入侵行为。而IIS网站日志记录着访客的每一次访问行为,其中就隐藏着非法入侵行为的蛛丝马迹。通过日志分析可疑行为已成为网站入侵检测的一个重要环节。目前研究人员已将数据挖掘技术运用其中,取得了不少进展。从网站日常的访问情况来看,正常访问量明显多于非法访问量,为典型的非平衡数据集。如何通过分类算法,将占少数的非法访问记录从海量记录中分离出来成为关键。因此,利用非平衡数据分类方法对网站日志进行分析,发现网站运行中的非法入侵者,并对新的访问者身份进行分类预测,对于提升网站的安全性能,优化网络环境,保障网站的正常使用具有重要的意义。本论文将非平衡数据分类方法应用于入侵检测中,日志记录被分为两类(非法访问记录,正常访问记录),通过对不同分类方法和检测效果的比较分析,设计并实现了基于IIS(Internet Information Server)日志的入侵检测系统。本文主要工作如下:(1)根据IIS日志特点和入侵关键字,利用数据库技术完成数据属性选择,本文将8种采样算法(随机欠采样、SOMTE、Tomek links、K-Means、OSS、SOMTE+Tomek links、SOMTE+K-Means、SOMTE+OSS)和3种分类方法(C4.5、3-NN、Naive Bayes)组合形成各种分类模型,并在UCI、KDDCup99和IIS日志等数据集上进行了实验和比较分析。(2)设计并实现了基于IIS日志的入侵检测系统,本系统分为四个功能模块:数据采集层,数据处理层,数据分析层,数据预测层。将采集到的日志数据预处理形成需要的格式和属性;通过组合系统中的采样和分类算法,分析其分类效果,选择最优的分类方案对日志数据进行预测。