基于改进的Apriori算法的入侵检测系统研究

doi:10.3969/j.issn.1007130X.2010.

J4 ›› 2010, Vol. 32 ›› Issue (9): 23-26.doi: 10.3969/j.issn.1007130X.2010.

基于改进的Apriori算法的入侵检测系统研究

于延，王建华,付伟

(哈尔滨师范大学计算机科学与信息工程学院，黑龙江哈尔滨 150025)

收稿日期:2010-03-16 修回日期:2010-06-18 出版日期:2010-09-02 发布日期:2010-09-08
通讯作者: 于延
作者简介:于延(1976),男,黑龙江哈尔滨人，硕士生，讲师，CCF会员(E200008175M),研究方向为数据库理论和网络安全；王建华，教授，研究方向为智能教育和网络安全；付伟，硕士生，讲师，研究方向为软件工程和网络安全。
基金资助:
黑龙江省自然科学基金资助项目(F200935);黑龙江省计算机应用技术重点学科资助项目(081203);黑龙江省智能教育与信息工程重点实验室资助项目

Research on the Intrusion Detection Systems Based on the Improved Apriori Algorithm

YU Yan，WANG Jianhua,FU Wei

(School of Computer Science and Information Engineering,Harbin Normal University,Harbin 150025,China)

Received:2010-03-16 Revised:2010-06-18 Online:2010-09-02 Published:2010-09-08

摘要/Abstract

摘要：

针对动态安全模型理论P2DR，本文在入侵检测技术中应用了关联规则数据挖掘算法，并适当改进了Apriori算法。该算法对关联规则进行强有力的压缩，减少了结果集中规则的数目。实验结果表明，改进的算法能够有效压缩关联规则数目，提高算法效率，适用于网络数据挖掘，并能有效地减少入侵检测技术中的误报率和漏报率。

关键词: 入侵检测, 数据挖掘, 关联规则

Abstract:

In this paper,for the dynamic theory of the P2DR security model,an association rule mining algorithm is applied to the intrusion detection technology,and the Apriori algorithm improved.The improved algorithm greatly compresses the number of association rules,and effectively reduces the result set number of rules.The experimental results show that the number of association rules can be effectively compressed,and the efficiency for network data mining is improved .This algorithm effectively decreases the misinformation rate and the rate of fail to report an invasion behavior in intrusion detection systems.

Key words: intrusion detection system;data mining;association rules

于延，王建华,付伟. 基于改进的Apriori算法的入侵检测系统研究[J]. J4, 2010, 32(9): 23-26.

YU Yan，WANG Jianhua,FU Wei. Research on the Intrusion Detection Systems Based on the Improved Apriori Algorithm[J]. J4, 2010, 32(9): 23-26.

编辑推荐

Metrics

阅读次数

全文

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	0	0	43

来源	本网站	其他网站

次数	31	12
比例	72%	28%

摘要

[1]	刘沛, 刘昌华, 林俏伶. 基于优化特征堆叠与集成学习的车联网入侵检测模型[J]. 计算机工程与科学, 2024, 46(12): 2186-2195.
[2]	谭郁松, 王伟, 蹇松雷, 易超雄. 基于异常保持的弱监督学习网络入侵检测模型[J]. 计算机工程与科学, 2024, 46(05): 801-809.
[3]	赵琰, 马慧芳, 王文涛, 童海斌, 贺相春. 可靠响应表示增强的知识追踪方法[J]. 计算机工程与科学, 2024, 46(03): 535-544.
[4]	雷轩, 程光, 张玉健, 郭靓, 张付存. 基于电力网络态势感知平台的告警信息关联分析[J]. 计算机工程与科学, 2023, 45(07): 1197-1208.
[5]	陈俊彦, 卢贤涛, 黄雪锋, 卢小烨, 廖岑卉珊. 基于Double-Bagging特征降维异质集成入侵检测[J]. 计算机工程与科学, 2023, 45(06): 1011-1019.
[6]	王晨宇, 温浩珉, 郭晟楠, 林友芳, 万怀宇, . 面向快递员揽收到达时间预测的多任务深度时空网络[J]. 计算机工程与科学, 2023, 45(01): 136-144.
[7]	程小刚, 郭韧, 周长利, . 基于理性密码学的分布式隐私保护数据挖掘框架[J]. 计算机工程与科学, 2022, 44(10): 1781-1787.
[8]	王文涛, 马慧芳, 舒跃育, 贺相春. 基于上下文表示的知识追踪方法[J]. 计算机工程与科学, 2022, 44(09): 1693-1701.
[9]	刘云, 郑文凤, 张轶. 代价约束算法对入侵检测特征提取的优化研究[J]. 计算机工程与科学, 2022, 44(03): 447-453.
[10]	刘云, 肖添. 网络日志数据中条件因果挖掘算法的优化研究[J]. 计算机工程与科学, 2021, 43(09): 1584-1590.
[11]	文凯, 许萌萌, 张许红, . 基于列表结构的加权可擦除项集挖掘算法[J]. 计算机工程与科学, 2021, 43(09): 1676-1683.
[12]	熊中敏, 汪博, 陶然, 郑宗生, 陈明, . 一种基于主属性判定的关联规则挖掘约简算法[J]. 计算机工程与科学, 2021, 43(04): 738-745.
[13]	藏润强, 左美云, 郭鑫鑫. 基于Doc2Vec和BiLSTM的老年患者疾病预测研究[J]. 计算机工程与科学, 2020, 42(12): 2273-2279.
[14]	杨岚雁, 靳敏, 张迎春, 张珣. 一种基于关联规则的MLKNN多标签分类算法[J]. 计算机工程与科学, 2020, 42(07): 1309-1317.
[15]	何望1,2，林果园1,2. 基于FP-Growth改进算法的云服务器故障数据分析[J]. 计算机工程与科学, 2020, 42(05): 770-775.

基于改进的Apriori算法的入侵检测系统研究

Research on the Intrusion Detection Systems Based on the Improved Apriori Algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价