事務(wù)級(jí)數(shù)據(jù)庫(kù)入侵檢測(cè)系統(tǒng)的應(yīng)用研究.pdf

1、數(shù)據(jù)庫(kù)作為信息系統(tǒng)存儲(chǔ)和處理重要數(shù)據(jù)的核心部分，往往成為入侵者攻擊的主要目標(biāo)。傳統(tǒng)的入侵檢測(cè)系統(tǒng)在數(shù)據(jù)庫(kù)入侵檢測(cè)的過(guò)程中只能檢測(cè)出用戶(hù)的合法性，而無(wú)法檢測(cè)該用戶(hù)的異常行為和惡意事務(wù)操作。國(guó)家網(wǎng)球隊(duì)信息化平臺(tái)主要存儲(chǔ)我國(guó)網(wǎng)球隊(duì)運(yùn)動(dòng)員的訓(xùn)練、比賽、生理生化指標(biāo)等重要信息，其數(shù)據(jù)庫(kù)中存儲(chǔ)的數(shù)據(jù)具有較高的機(jī)密性。因此本文設(shè)計(jì)了針對(duì)國(guó)家網(wǎng)球隊(duì)信息化平臺(tái)的事務(wù)級(jí)數(shù)據(jù)庫(kù)入侵檢測(cè)系統(tǒng)。該系統(tǒng)具有一定的主動(dòng)防御能力，可以檢測(cè)出合法用戶(hù)的權(quán)限濫用、偽裝成合

2、法用戶(hù)但與合法用戶(hù)正常行為有較大差異的偽裝攻擊等一系列攻擊企圖和異常行為，從而彌補(bǔ)了傳統(tǒng)信息系統(tǒng)在數(shù)據(jù)安全技術(shù)上的不足，保證信息平臺(tái)數(shù)據(jù)的安全性。 本文首先介紹了入侵檢測(cè)的概念和入侵檢測(cè)系統(tǒng)的分類(lèi)、結(jié)構(gòu)、缺陷，詳細(xì)研究了入侵檢測(cè)系統(tǒng)的檢測(cè)方法，并且重點(diǎn)討論了數(shù)據(jù)挖掘和神經(jīng)網(wǎng)絡(luò)技術(shù)在異常入侵檢測(cè)中的應(yīng)用。最后設(shè)計(jì)開(kāi)發(fā)了一套基于數(shù)據(jù)挖掘和神經(jīng)網(wǎng)絡(luò)的入侵檢測(cè)系統(tǒng)。系統(tǒng)在訓(xùn)練階段，首先采用關(guān)聯(lián)規(guī)則中的Apriori算法對(duì)用戶(hù)的正常行為進(jìn)

3、行數(shù)據(jù)挖掘以獲取用戶(hù)的行為規(guī)則，再將其作為訓(xùn)練樣本對(duì)改進(jìn)的RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，建立針對(duì)用戶(hù)異常行為的檢測(cè)模型；在檢測(cè)階段，利用該模型的數(shù)據(jù)識(shí)別分類(lèi)功能，將用戶(hù)當(dāng)前行為模式與用戶(hù)正常行為規(guī)則進(jìn)行匹配，從而檢測(cè)數(shù)據(jù)庫(kù)用戶(hù)的異常行為和惡意事務(wù)操作。 本文的數(shù)據(jù)庫(kù)入侵檢測(cè)系統(tǒng)與傳統(tǒng)的系統(tǒng)相比主要有以下創(chuàng)新： 1、該入侵檢測(cè)系統(tǒng)的設(shè)計(jì)采用關(guān)聯(lián)規(guī)則與神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法。通過(guò)關(guān)聯(lián)規(guī)則挖掘出用戶(hù)的行為規(guī)則，再將其規(guī)則作為訓(xùn)練樣本對(duì)

4、神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。采取這種方式可以減少神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時(shí)間，提高訓(xùn)練效率，使訓(xùn)練過(guò)程更具有針對(duì)性，增強(qiáng)了神經(jīng)網(wǎng)絡(luò)識(shí)別分類(lèi)能力，有效提高了入侵檢測(cè)系統(tǒng)的檢測(cè)率。 2、在神經(jīng)網(wǎng)絡(luò)的選取上采用RBF神經(jīng)網(wǎng)絡(luò)并對(duì)其進(jìn)行了改進(jìn)。RBF神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的非線性逼近能力，具有結(jié)構(gòu)簡(jiǎn)單、學(xué)習(xí)速度快、不存在局部極小等優(yōu)點(diǎn)。因此本文采用RBF神經(jīng)網(wǎng)絡(luò)應(yīng)用于系統(tǒng)的檢測(cè)單元。影響RBF神經(jīng)網(wǎng)絡(luò)性能的關(guān)鍵因素主要在于基函數(shù)中心的選取，本文通過(guò)將減法聚類(lèi)與模