论文部分内容阅读
摘要：在信息时代，面对各种网络攻击，网络安全问题引起了人们的重视。基于这种认识，本文对数据挖掘在网络入侵检测中的应用情况展开了分析，然后对基于数据挖掘的网络入侵安全防护系统进行了研究，从而为关注这一话题的人们提供参考。
关键词：数据挖掘;网络入侵;安全防护系统
引言：
在大数据时代，数据挖掘技术得到了广泛应用，能够从海量数据信息中完成有价值信息的挖掘。在计算机网络使用方面，则需要完成网络入侵行为检测。采用数据挖掘技术，能够加强网络数据实时分析，及时发现网络异常行为，所以能够用于实现网络入侵安全防护系统开发。因此，需要加强基于数据挖掘的网络入侵安全防护系统分析，以便使系统入侵检测功能得到顺利实现。
1数据挖掘在网络入侵检测中的应用
在网络使用过程中，由于网络服务器、安全设备等存在一定漏洞，所以会遭遇资源入侵和攻击，导致机密信息被盗取或丢失。现阶段，网络遭受的入侵行为可以划分为多个种类，如拒绝服务攻击行为、网络监听攻击行为、病毒攻击行为等等。想要加强网络安全防护，还要对网络入侵行为进行检测。采用数据挖掘技术，可以完成网络安全相关数据分析，确定数据源数量和特征等内容，得到网络安全数据集。通过对数据进行清洗、融合处理，完成数据统计存储，可以建立相应网络安全模型，对入侵行为进行评估和衡量，确保入侵行为得到及时发现和处理，继而使网络的安全防护得到加强[1]。目前，可以采用的数据挖掘技术较多，如决策树、神经网络算法、聚类分析等等。结合不同数据挖掘目标，可以完成不同处理方法的选择。在网络入侵检测中，还要通过数据预处理排除数据干扰，从而使数据挖掘效率得到提高。
2基于数据挖掘的网络入侵安全防护系统
2.1系统总体架构
在网络入侵安全防护系统设计上，采用数据挖掘技术可以将系统划分为两部分，即数据采集整理部分和数据汇聚分析部分。针对网络数据，还要完成实时采集和整理。在此基础上，需要实现数据汇聚和挖掘处理，才能发现网络流量异常部分，加强网络安全防护。从系统总体架构上来看，由多个模块组成，具体包含信息采集模块、信息整理模块、数据挖掘模块和报警输出模块。其中，信息采集模块负责从计算机网卡对网络应用系统数据信息进行捕获，可以将采集到的信息复制、传输到缓冲区，为数据信息访问提供支持。在系统初步测试期间，可利用该模块完成相关数据的采集，完成系统数据库的建立。信息整理模块负责进行报文处理，能够将处理得到的数据传输至IP汇聚项。利用该模块，能够实现数据库连接，定期向数据库传输信息，使网络安全信息得到汇聚，为数据挖掘分析奠定基础。采用数据挖掘模块，能够对系统神经网络参数进行调试，可以在离线状态下实现算法优化。在模块工作过程中，能够从数据库中完成相关数据提取，通过神经网络分析确定数据流中是否存在入侵行为，并给出相应报告。采用报警径路模块，能够在发现入侵行为时弹出对话框，促使系统发出报警信号。管理员根据模块提供的报警信息，可以及时对入侵行为进行制止，促使网络安全防护得到加强。
2.2系统功能实现
入侵行为分析为系统核心功能，在实现过程中需要采用神经网络技术。神经网络由多个处理单元构成，拥有类似人类大脑的结构，各单元间可以通过带有权值的连接实现交互，在连接权值发生改变时可以对异常事件进行标识。在噪声数据较大的情况下，采用神经网络能够实现数据非线性处理，通过自学习和自组织实现数据挖掘分析，促使系统入侵检测效率得到提高[2]。在功能实现时，需要对三层神经网络结构进行选取，在输入层中加入样本数据，利用中间层实现输入层各单元输入数据的汇总，最终实现结果输出。通过对系统权系数进行定义，利用sigmoid函数进行神经元的激发，则能够利用神经网络进行数据挖掘分析。从算法流程上来看，还要先对权系数初始值进行确定，然后对所有样本进行分析和计算。在此基础上，需要按照固定顺序对各层单元输出结果进行计算，得到输出权值。最后，反向进行各层权值计算，完成权值修正，可以得到訓练好的神经网络。系统权值可以根据随机数获得，偏置量为1，权值与其它输入值相同。完成样本计算后，可以将输出值与实际分类值比较，根据差异完成反向传递。在迭代过程中，还要设定权值调整次数不超出800次，以便使神经网络停止学习，并且处理得到的样本值与实际分类值差异比误差值小，从而满足系统入侵行为检测要求。
2.3系统应用效果
在系统应用过程中，还要采用数据挖掘模块对入侵行为特征属性进行确认，然后按照数据流走向实现特征属性输入，确定是否存在网络攻击行为。借助网络协议，能够将网络干扰信息尽可能的滤除，因此能够避免网络输入无意义的特征属性，继而使系统入侵检测效能得到保证。从系统应用效果来看，采用该技术能够解决常规入侵检测存在的误报率高、实时性差等问题。采用神经网络算法实现入侵检测模型的建立，能够使网络安全系数得到提升，达到降低网络安全隐患的目的。此外，采用系统也能进行网络实时监控，并对异常数据进行及时影响，因此能够使网络安全防护得到加强。
结论：
通过研究可以发现，在网络入侵行为检测方面，数据挖掘技术能够起到处理和提取异常行为特征量的作用。因此在网络入侵安全防护系统研制时，面对网络上承载的海量信息，可以加强数据挖掘技术的运用，以便使网络入侵检测得到加强，确保系统能够充分发挥安全防护作用，继而使系统获得较好应用前景。
参考文献
[1]蒋永旺，张迪.基于数据挖掘的网络入侵检测方案实现[J].自动化与仪器仪表，2018（07）：166-169+173.
[2]董雪.浅析数据挖掘技术在入侵检测中的研究[J].电脑知识与技术，2018，14（19）：4-5.
（作者单位：国家计算机网络应急技术处理协调中心重庆分中心）
关键词：数据挖掘;网络入侵;安全防护系统
引言：
在大数据时代，数据挖掘技术得到了广泛应用，能够从海量数据信息中完成有价值信息的挖掘。在计算机网络使用方面，则需要完成网络入侵行为检测。采用数据挖掘技术，能够加强网络数据实时分析，及时发现网络异常行为，所以能够用于实现网络入侵安全防护系统开发。因此，需要加强基于数据挖掘的网络入侵安全防护系统分析，以便使系统入侵检测功能得到顺利实现。
1数据挖掘在网络入侵检测中的应用
在网络使用过程中，由于网络服务器、安全设备等存在一定漏洞，所以会遭遇资源入侵和攻击，导致机密信息被盗取或丢失。现阶段，网络遭受的入侵行为可以划分为多个种类，如拒绝服务攻击行为、网络监听攻击行为、病毒攻击行为等等。想要加强网络安全防护，还要对网络入侵行为进行检测。采用数据挖掘技术，可以完成网络安全相关数据分析，确定数据源数量和特征等内容，得到网络安全数据集。通过对数据进行清洗、融合处理，完成数据统计存储，可以建立相应网络安全模型，对入侵行为进行评估和衡量，确保入侵行为得到及时发现和处理，继而使网络的安全防护得到加强[1]。目前，可以采用的数据挖掘技术较多，如决策树、神经网络算法、聚类分析等等。结合不同数据挖掘目标，可以完成不同处理方法的选择。在网络入侵检测中，还要通过数据预处理排除数据干扰，从而使数据挖掘效率得到提高。
2基于数据挖掘的网络入侵安全防护系统
2.1系统总体架构
在网络入侵安全防护系统设计上，采用数据挖掘技术可以将系统划分为两部分，即数据采集整理部分和数据汇聚分析部分。针对网络数据，还要完成实时采集和整理。在此基础上，需要实现数据汇聚和挖掘处理，才能发现网络流量异常部分，加强网络安全防护。从系统总体架构上来看，由多个模块组成，具体包含信息采集模块、信息整理模块、数据挖掘模块和报警输出模块。其中，信息采集模块负责从计算机网卡对网络应用系统数据信息进行捕获，可以将采集到的信息复制、传输到缓冲区，为数据信息访问提供支持。在系统初步测试期间，可利用该模块完成相关数据的采集，完成系统数据库的建立。信息整理模块负责进行报文处理，能够将处理得到的数据传输至IP汇聚项。利用该模块，能够实现数据库连接，定期向数据库传输信息，使网络安全信息得到汇聚，为数据挖掘分析奠定基础。采用数据挖掘模块，能够对系统神经网络参数进行调试，可以在离线状态下实现算法优化。在模块工作过程中，能够从数据库中完成相关数据提取，通过神经网络分析确定数据流中是否存在入侵行为，并给出相应报告。采用报警径路模块，能够在发现入侵行为时弹出对话框，促使系统发出报警信号。管理员根据模块提供的报警信息，可以及时对入侵行为进行制止，促使网络安全防护得到加强。
2.2系统功能实现
入侵行为分析为系统核心功能，在实现过程中需要采用神经网络技术。神经网络由多个处理单元构成，拥有类似人类大脑的结构，各单元间可以通过带有权值的连接实现交互，在连接权值发生改变时可以对异常事件进行标识。在噪声数据较大的情况下，采用神经网络能够实现数据非线性处理，通过自学习和自组织实现数据挖掘分析，促使系统入侵检测效率得到提高[2]。在功能实现时，需要对三层神经网络结构进行选取，在输入层中加入样本数据，利用中间层实现输入层各单元输入数据的汇总，最终实现结果输出。通过对系统权系数进行定义，利用sigmoid函数进行神经元的激发，则能够利用神经网络进行数据挖掘分析。从算法流程上来看，还要先对权系数初始值进行确定，然后对所有样本进行分析和计算。在此基础上，需要按照固定顺序对各层单元输出结果进行计算，得到输出权值。最后，反向进行各层权值计算，完成权值修正，可以得到訓练好的神经网络。系统权值可以根据随机数获得，偏置量为1，权值与其它输入值相同。完成样本计算后，可以将输出值与实际分类值比较，根据差异完成反向传递。在迭代过程中，还要设定权值调整次数不超出800次，以便使神经网络停止学习，并且处理得到的样本值与实际分类值差异比误差值小，从而满足系统入侵行为检测要求。
2.3系统应用效果
在系统应用过程中，还要采用数据挖掘模块对入侵行为特征属性进行确认，然后按照数据流走向实现特征属性输入，确定是否存在网络攻击行为。借助网络协议，能够将网络干扰信息尽可能的滤除，因此能够避免网络输入无意义的特征属性，继而使系统入侵检测效能得到保证。从系统应用效果来看，采用该技术能够解决常规入侵检测存在的误报率高、实时性差等问题。采用神经网络算法实现入侵检测模型的建立，能够使网络安全系数得到提升，达到降低网络安全隐患的目的。此外，采用系统也能进行网络实时监控，并对异常数据进行及时影响，因此能够使网络安全防护得到加强。
结论：
通过研究可以发现，在网络入侵行为检测方面，数据挖掘技术能够起到处理和提取异常行为特征量的作用。因此在网络入侵安全防护系统研制时，面对网络上承载的海量信息，可以加强数据挖掘技术的运用，以便使网络入侵检测得到加强，确保系统能够充分发挥安全防护作用，继而使系统获得较好应用前景。
参考文献
[1]蒋永旺，张迪.基于数据挖掘的网络入侵检测方案实现[J].自动化与仪器仪表，2018（07）：166-169+173.
[2]董雪.浅析数据挖掘技术在入侵检测中的研究[J].电脑知识与技术，2018，14（19）：4-5.
（作者单位：国家计算机网络应急技术处理协调中心重庆分中心）