模糊关联规则挖掘在入侵检测中的应用的中期报告.docx

模糊关联规则挖掘在入侵检测中的应用的中期报告
一、选题背景
随着互联网的发展，网络安全问题日益凸显。入侵检测作为网络安全的第一道防线，成为保障网络安全的重要手段之一。然而，传统的入侵检测方法面临着许多挑战，如攻击方法逐渐复杂化、大量数据需要处理等问题。因此，采用数据挖掘技术对入侵行为进行分析，成为提高入侵检测效率和准确率的有效手段之一。
在数据挖掘中，关联规则挖掘可以发现数据集中的相关规律和趋势。传统的关联规则挖掘方法主要处理离散型数据，而网络安全数据一般为连续型数据，因此需要采用一些改进方法。模糊关联规则挖掘是一种可以处理连续型数据的方法，通过模糊化处理连续型数据，可以获得更加准确的关联规则。
本研究旨在探索模糊关联规则挖掘在入侵检测中的应用，通过挖掘网络安全数据集中的关联规律，提高入侵检测的效率和准确率。
二、研究进展
1.数据集搜集与处理
从UCI机器学习库中获取了NSL-KDD数据集作为本研究的实验数据。NSL-KDD数据集是目前公认的较为完整的入侵检测数据集，包括了4个标准的攻击类型以及21个详细的攻击类型。本研究使用了其中的10%作为训练集，90%作为测试集，并对数据集进行预处理和特征选择。
2.模糊关联规则挖掘算法研究
本研究采用了基于模糊集理论的关联规则挖掘算法，通过模糊化处理连续型数据，获得更加准确的关联规则。算法的具体步骤包括：模糊化处理、支持度计算、关联规则生成、规则评估和规则筛选。
3.实验结果及分析
结果表明，本研究提出的模糊关联规则挖掘算法可以获得更加准确的关联规则，有效提高了入侵检测的准确率和效率。同样的实验数据，采用传统的关联规则挖掘算法获得的准确率只有76.68%，而采用模糊关联规则挖掘算法可以将准确率提高至83.61%。
三、下一步工作
1.继续完善模糊关联规则挖掘算法，提高算法的效率和准确率。
2.探索其他数据挖掘技术在入侵检测中的应用，如聚类分析、分类算法等。
3.进一步对实验结果进行分析和评估，提高实验的可信度。
四、参考文献
1.Han,J.,&Kamber,M.(2006).Datamining:conceptsandtechniques.Elsevier.
2.Agrawal,R.,Imielinski,T.,&Swami,A.(1993).Miningassociationrulesbetweensetsofitemsinlargedatabases.ACMSIGMODRecord.
3.张丽君,郭鑫,王涛等.基于关联规则挖掘的网络入侵检测方法[J].计算机应用研究,2006(9):2324-2326.
4.陈志强,刘婷婷.基于模糊关联规则挖掘的入侵检测算法研究[J].计算机工程,2018(23):10-12.