基于數(shù)據(jù)挖掘技術(shù)的入侵檢測系統(tǒng)

1 引言
    隨著計算機(jī)網(wǎng)絡(luò)不斷發(fā)展，各種問題也隨之產(chǎn)生，網(wǎng)絡(luò)安全問題尤為突出。傳統(tǒng)的入侵檢測技術(shù)包括濫用檢測和異常檢測。其中，濫用檢測是分析各種類型的攻擊手段，找出可能的“攻擊特征”集合，可有效檢測到已知攻擊，產(chǎn)生誤報較少，但只能檢測到已知的入侵類型，而對未知的入侵類型無能為力，需要不斷更新攻擊特征庫；而異常檢測的假設(shè)條件是通過觀察當(dāng)前活動與系統(tǒng)歷史正?；顒忧闆r之間的差異可實現(xiàn)攻擊行為的檢測。其優(yōu)點是可檢測到未知攻擊，缺點是誤報和漏報較多。針對現(xiàn)有網(wǎng)絡(luò)入侵檢測系統(tǒng)的一些不足，將數(shù)據(jù)挖掘技術(shù)應(yīng)用于網(wǎng)絡(luò)入侵檢測，以Snort入侵檢測系統(tǒng)模型為基礎(chǔ)，提出一種新的基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)入侵檢測系統(tǒng)模型。

2 數(shù)據(jù)挖掘在入侵檢測系統(tǒng)中的應(yīng)用
    數(shù)據(jù)挖掘技術(shù)在入侵檢測系統(tǒng)(IDS)中的應(yīng)用，主要是通過挖掘?qū)徲嫈?shù)據(jù)以獲得行為模式，從中分離出入侵行為，有效實現(xiàn)入侵檢測規(guī)則。審計數(shù)據(jù)由經(jīng)預(yù)處理、帶有時間戳的審計記錄組成。每條審計記錄都包含一些屬性(也稱為特征)，例如，一個典型的審計日志文件包括源IP地址、目的IP地址、服務(wù)類型、連接狀態(tài)等屬性。挖掘?qū)徲嫈?shù)據(jù)是一項重要任務(wù)，直接影響入侵檢測的精確性和可用性，常用的挖掘方法有關(guān)聯(lián)性分析、分類、序列分析等。
    (1)關(guān)聯(lián)性分析關(guān)聯(lián)分析就是要發(fā)現(xiàn)關(guān)聯(lián)規(guī)則，找出數(shù)據(jù)庫中滿足最小支持度與最小確信度約束的規(guī)則，即給定一組Item和一個記錄集合，通過分析記錄集合推導(dǎo)出Item間的相關(guān)性。一般用信任度(confidence)和支持度(support)描述關(guān)聯(lián)規(guī)則的屬性。關(guān)聯(lián)分析的目的是從已知的事務(wù)集W中產(chǎn)生數(shù)據(jù)集之間的關(guān)聯(lián)規(guī)則，即同一條審計記錄中不同字段之間存在的關(guān)系，同時保證規(guī)則的支持度和信任度大于用戶預(yù)先指定的最小支持度和最小信任度。
    (2)分類映射一個數(shù)據(jù)項到其中一個預(yù)定義的分類集中，它輸出“分類器”，表現(xiàn)形式是決策樹或規(guī)則。在入侵檢測中一個典型的應(yīng)用就是，收集足夠多的審計數(shù)據(jù)送交用戶或程序，然后應(yīng)用分類算法去學(xué)習(xí)分類器，標(biāo)記或預(yù)測新的正?；虍惓５牟豢梢妼徲嫈?shù)據(jù)。分類算法要解決的重點是規(guī)則學(xué)習(xí)問題。
    (3)序列分析用于構(gòu)建序列模式，以發(fā)現(xiàn)審計事件中經(jīng)常存在的時間序列。這些經(jīng)常發(fā)生的事件模式有助于將時間統(tǒng)計方法應(yīng)用于入侵檢測模型。例如，如果審計數(shù)據(jù)中包含基于網(wǎng)絡(luò)的拒絕服務(wù)攻擊DOS(Denial of Service Attack)行為．由此得到的模式就要對在這一時間段內(nèi)工作的每個主機(jī)和每項服務(wù)進(jìn)行檢測。

3 基于數(shù)據(jù)挖掘的入侵檢測系統(tǒng)模型
    針對現(xiàn)有入侵檢測系統(tǒng)挖掘速度慢和挖掘準(zhǔn)確度不高的缺點，提出基于數(shù)據(jù)挖掘技術(shù)的入侵檢測系統(tǒng)模型．該模型的結(jié)構(gòu)如圖1所示。

3．1 模塊功能簡述
    (1)嗅探器主要進(jìn)行數(shù)據(jù)收集，它只是一個簡單的抓取信息的接口。嗅探器所在位置決定入侵檢測的局部處理程度。
    (2)解碼器解碼分析捕獲的數(shù)據(jù)包。并把分析結(jié)果存到一個指定的數(shù)據(jù)結(jié)構(gòu)中。
    (3)數(shù)據(jù)預(yù)處理 負(fù)責(zé)將網(wǎng)絡(luò)數(shù)據(jù)、連接數(shù)據(jù)轉(zhuǎn)換為挖掘方法所需的數(shù)據(jù)格式，包括：進(jìn)一步的過濾、噪聲的消除、第三方檢測工具檢測到的已知攻擊。利用誤用檢測方法對已知的入侵行為與規(guī)則庫的入侵規(guī)則進(jìn)行匹配，直接找到入侵行為，進(jìn)行報警。
    (4)異常分析器通過使用關(guān)聯(lián)分析和序列分析找到新的攻擊，利用異常檢測方法將這些異常行為送往規(guī)則庫。
    (5)日志記錄保存2種記錄：未知網(wǎng)絡(luò)正常行為產(chǎn)生的數(shù)據(jù)包信息和未知入侵行為產(chǎn)生的數(shù)據(jù)包信息。
    (6)規(guī)則庫 保存入侵檢測規(guī)則，為誤用檢測提供依據(jù)。
    (7)報警器 當(dāng)偏離分析器報告有異常行為時，報警器通過人機(jī)界面向管理員發(fā)出通知，其形式可以是E-mail。控制臺報警、日志條目、可視化的工具。
    (8)特征提取器對日志中的數(shù)據(jù)記錄進(jìn)行關(guān)聯(lián)分析，得出關(guān)聯(lián)規(guī)則，添加到規(guī)則庫中。
3．2 異常分析器
    異常分析器使用聚類分析模型產(chǎn)生的網(wǎng)絡(luò)或主機(jī)正常模型檢測數(shù)據(jù)包。它采用K-Means算法作為聚類分析算法。圖2為異常分析的流程。

    異常分析器的檢測過程為：(1)網(wǎng)絡(luò)或主機(jī)數(shù)據(jù)包標(biāo)準(zhǔn)化；(2)計算網(wǎng)絡(luò)數(shù)據(jù)包與主類鏈表中聚類中心的相似度：(3)若該網(wǎng)絡(luò)數(shù)據(jù)包與某一主類的相似度小于聚類半徑R，則表明其是正常的網(wǎng)絡(luò)數(shù)據(jù)包，將其丟棄；(4)若該網(wǎng)絡(luò)數(shù)據(jù)包與所有主類的相似度大于聚類半徑R，則表明其是異常的網(wǎng)絡(luò)數(shù)據(jù)包。
3．3 特征提取器
    特征提取器用于分析未知的異常數(shù)據(jù)包，挖掘網(wǎng)絡(luò)異常數(shù)據(jù)包中潛在的入侵行為模式，產(chǎn)生相應(yīng)的關(guān)聯(lián)規(guī)則集．添加到規(guī)則庫中。該模塊采用Apriori算法進(jìn)行關(guān)聯(lián)規(guī)則的挖掘，其工作流程如圖3所示。

    特征提取器的工作過程可分為數(shù)據(jù)預(yù)處理和產(chǎn)生關(guān)聯(lián)規(guī)則。
    (1)數(shù)據(jù)預(yù)處理 特征提取器的輸入為日志記錄．包含很多字段，但并非所有字段都適用于關(guān)聯(lián)分析。在此僅選擇和Snort規(guī)則相關(guān)的字段，如SrcIP，SrcPort，DstIP，DstPort，Protocol，Dsize，F(xiàn)lags和CID等。
    (2)產(chǎn)生關(guān)聯(lián)規(guī)則首先根據(jù)設(shè)定的支持度找出所有頻繁項集，一般支持度設(shè)置得越低，產(chǎn)生的頻繁項集就會越多；而設(shè)置得越高，產(chǎn)生的頻繁項集就越少。接著由頻繁項集產(chǎn)生關(guān)聯(lián)規(guī)則，一般置信度設(shè)置得越低，產(chǎn)生的關(guān)聯(lián)規(guī)則數(shù)目越多但準(zhǔn)確度不高；反之置信度設(shè)置得越高。產(chǎn)生的關(guān)聯(lián)規(guī)則數(shù)目越少但是準(zhǔn)確度較高。
3．4 系統(tǒng)模型特點
    該系統(tǒng)在實際應(yīng)用時，既可以事先存入已知入侵規(guī)則，以降低在開始操作時期的漏報率，也可以不需要預(yù)先的背景知識。雖然該系統(tǒng)有較強(qiáng)的自適應(yīng)性，但在操作初期會有較高的誤報率。因此該系統(tǒng)模型有如下特點：(1)利用數(shù)據(jù)挖掘技術(shù)進(jìn)行入侵檢測；(2)利用先進(jìn)的挖掘算法，使操作接近實時；(3)具有自適應(yīng)性，能根據(jù)當(dāng)前的環(huán)境更新規(guī)則庫；(4)不但可檢測到已知的攻擊，而且可檢測到未知的攻擊。

4 系統(tǒng)測試
    以Snort為例，在規(guī)則匹配方面擴(kuò)展系統(tǒng)保持Snort的工作原理，實驗分析具有代表性，分析攻擊模式數(shù)據(jù)庫大小與匹配時間的關(guān)系。
    實驗環(huán)境：IP地址為192．168．1．2的主機(jī)配置為PIV1．8G，內(nèi)存512 M，操作系統(tǒng)為Windows XP；3臺分機(jī)的IP地址分別為192．168．1．23，192．168．1．32，192．168．1．45。實驗方法：隨機(jī)通過TcpDump抓取一組網(wǎng)絡(luò)數(shù)據(jù)包，通過該系統(tǒng)記錄約20 min傳送來的數(shù)據(jù)包，3臺分機(jī)分別對主機(jī)不同攻擊類型的數(shù)據(jù)包進(jìn)行測試。
    異常分析器采用K-Means算法作為聚類分析算法，試驗表明．誤檢率隨閾值的增大而迅速增大，而隨閾值的減小而逐漸減小。由于聚類半徑R的增大會導(dǎo)致攻擊數(shù)據(jù)包與正常數(shù)包被劃分到同一個聚類，因此誤檢率必然會隨著閾值的增大而增大。另一方面，當(dāng)某一種新類型的攻擊數(shù)據(jù)包數(shù)目達(dá)到閾值時，系統(tǒng)會將其判定為正常類，因此閾值越小必然導(dǎo)致誤檢率越高。當(dāng)聚類半徑R=6時，該系統(tǒng)比Snort原始版本檢測的速度快，并且誤檢率也較低。
    特征提取器采用關(guān)聯(lián)分析的Apriori算法，置信度設(shè)置為100％，閾值設(shè)為1 000，支持度50％，最后自動生成以下3條新的入侵檢測規(guī)則：
    alert tcp 192．168．1．23 2450->192．168．1．2 80(msg：”poli-cy：externalnet attempt to access 192.168.1.2”；classtype：at-temptesd-recon；)
    alert tcp 192．168．1．32 1850->192．168．1．2 21(msg：”poli-cy：extemalnet attempt to access 192．168．1．2”；classtype：at-tempted-recon；)
    alert tcp 192．168．1．45 2678->192．168．1．2 1080(msg：”policy：extemalnet attempt to access 192．168.1.2”；classtype：at-tempted-reeon；)
    該試驗結(jié)果說明經(jīng)采用特征提取器對異常日志進(jìn)行分析，系統(tǒng)挖掘出檢測新類型攻擊的規(guī)則，并具備檢測新類型攻擊的能力。

5 結(jié)束語
    提出一種基于數(shù)據(jù)挖掘的入侵檢測系統(tǒng)模型，借助數(shù)據(jù)挖掘技術(shù)在處理大量數(shù)據(jù)特征提取方面的優(yōu)勢，可使入侵檢測更加自動化，提高檢測效率和檢測準(zhǔn)確度。基于數(shù)據(jù)挖掘的入侵檢測己得到快速發(fā)展，但離投入實際使用還有距離，尚未具備完善的理論體系。因此，解決數(shù)據(jù)挖掘的入侵檢測實時性、正確檢測率、誤警率等方面問題是當(dāng)前的主要任務(wù)，及豐富和發(fā)展現(xiàn)有理論，完善入侵檢測系統(tǒng)使其投入實際應(yīng)用。