基于聚类和报警先决条件的网络入侵关联分析

doi:10.3969/j.issn.1000-3428.2007.21.043

计算机工程 ›› 2007, Vol. 33 ›› Issue (21): 122-124,. doi: 10.3969/j.issn.1000-3428.2007.21.043

基于聚类和报警先决条件的网络入侵关联分析

吴正桢1，陈秀真2，李建华1,2

(1. 上海交通大学电子工程系，上海 200240；2. 上海交通大学信息安全工程学院，上海 200240)

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-11-05 发布日期:2007-11-05

Correlation and Analysis of Intrusion Alerts Based on Clustering Algorithm and Alerts’ Prerequisite-consequence Attribute

WU Zheng-zhen1, CHEN Xiu-zhen2, LI Jian-hua1,2

(1. Department of Electronical Engineering, Shanghai Jiaotong University, Shanghai 200240; 2. Department of Information Security and Engineering, Shanghai Jiaotong University, Shanghai 200240)

Received:1900-01-01 Revised:1900-01-01 Online:2007-11-05 Published:2007-11-05

摘要/Abstract

摘要： 分析了聚类算法和报警先决条件关联方法，在二者的基础上提出了一种基于聚类和报警先决条件的网络入侵关联分析模型。使用DARPA 2000数据的测试结果表明，提出的模型可对报警信息进行有效预处理。与仅用报警先决条件关联方法相比，成功排除了3个错误报警关联，有效提高了关联效果。

关键词: 入侵检测, 聚类算法, 先决条件及结果关联方法

Abstract: After analysing the clustering algorithm and alerts’ prerequisite-consequence attributes, a novel approach of correlating and analysing intrusion alerts based on the combination of both is proposed. Experimental result on DARPA 2000 dataset proves that this approach can pre-process alerts successfully. Compared with the result of using only the prerequisite-consequence alert correlation method, the proposed approach can successfully eliminate three correlation errors, thus improve the efficiency of the correlation.

Key words: intrusion detection, clustering algorithm, prerequisite-consequence alert correlation method

中图分类号:

TP393

吴正桢;陈秀真;李建华;. 基于聚类和报警先决条件的网络入侵关联分析[J]. 计算机工程, 2007, 33(21): 122-124,.

WU Zheng-zhen; CHEN Xiu-zhen; LI Jian-hua;. Correlation and Analysis of Intrusion Alerts Based on Clustering Algorithm and Alerts’ Prerequisite-consequence Attribute[J]. Computer Engineering, 2007, 33(21): 122-124,.

http://www.ecice06.com/CN/Y2007/V33/I21/122

[1]	陈仲磊, 伊鹏, 陈祥, 胡涛. 基于集成学习的系统调用实时异常检测框架[J]. 计算机工程, 2023, 49(6): 162-169,179.
[2]	张雷, 鲍蓉, 朱永红, 史新国. 基于CSA-ResNet的人员入侵检测方法[J]. 计算机工程, 2023, 49(4): 297-302,311.
[3]	石磊, 张吉涛, 高宇飞, 卫琳, 陶永才. 基于Transformer与BiLSTM的网络流量入侵检测[J]. 计算机工程, 2023, 49(3): 29-36,57.
[4]	刘强, 张颖, 周卫祥, 蒋先涛, 周薇娜, 周谋国. 自适应类增量学习的物联网入侵检测系统[J]. 计算机工程, 2023, 49(2): 169-174.
[5]	孙扬威, 戚湧. 基于聚类混合采样与PSO-Stacking的车载CAN入侵检测方法[J]. 计算机工程, 2023, 49(1): 138-145.
[6]	刘金硕, 詹岱依, 邓娟, 王丽娜. 基于深度神经网络和联邦学习的网络入侵检测[J]. 计算机工程, 2023, 49(1): 15-21,30.
[7]	董卫宇, 李海涛, 王瑞敏, 任化娟, 孙雪凯. 基于堆叠卷积注意力的网络流量异常检测模型[J]. 计算机工程, 2022, 48(9): 12-19.
[8]	金海波, 赵欣越. 共形预测框架下的高可靠入侵检测算法[J]. 计算机工程, 2022, 48(7): 130-140.
[9]	生龙, 袁丽娜, 武南南, 姬少培. 基于GSA与DE优化混合核ELM的网络异常检测模型[J]. 计算机工程, 2022, 48(6): 146-153.
[10]	李晋国, 焦旭斌. 雾计算环境下入侵检测模型研究[J]. 计算机工程, 2022, 48(5): 43-52.
[11]	王芙银, 张德生, 肖燕婷. 基于加权共享近邻与累加序列的密度峰值算法[J]. 计算机工程, 2022, 48(4): 61-69.
[12]	王治和, 王淑艳, 杜辉. 基于密度敏感距离的改进模糊C均值聚类算法[J]. 计算机工程, 2021, 47(5): 88-96,103.
[13]	周伟枭, 蓝雯飞. 融合文本分类的多任务学习摘要模型[J]. 计算机工程, 2021, 47(4): 48-55.
[14]	刘菲菲, 伍忠东, 丁龙斌, 张凯. 基于改进在线序列极限学习机的AMI入侵检测算法[J]. 计算机工程, 2020, 46(9): 136-142,148.
[15]	刘宇航, 马慧芳, 刘海姣, 余丽. 一种可重叠子空间K-Means聚类算法[J]. 计算机工程, 2020, 46(8): 58-63,71.

选择文件类型/文献管理软件名称

选择包含的内容

基于聚类和报警先决条件的网络入侵关联分析

Correlation and Analysis of Intrusion Alerts Based on Clustering Algorithm and Alerts’ Prerequisite-consequence Attribute

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

基于聚类和报警先决条件的网络入侵关联分析

Correlation and Analysis of Intrusion Alerts Based on Clustering Algorithm and Alerts’ Prerequisite-consequence Attribute

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价