面向入侵检测的数据流挖掘研究

随着网络安全形势的恶化，入侵检测已经成为信息安全研究中越来越重要的内容。本项目针对入侵检测系统存在的主要缺陷（检测结果的漏警率高、误警率高、实时性不足、缺少自适应性等），采用人工智能和实验研究相结合的方法，从实际检测数据流具有连续到达、快速更新、高维、偏斜分布及概念漂移的本质特征入手，进行数据流挖掘研究。研究内容主要包括：数据流模型入侵检测框架、偏斜数据流分类算法、偏斜高维数据流聚类算法、讨论增量特征评估算法、基于数据流的入侵预警算法等。该项目的研究对阐明入侵本质，揭示实际检测数据中隐含的模式和规律有重要意义，为提高入侵检测系统性能奠定了基础，同时也丰富了人工智能的理论体系，提供了解决信息安全问题的思路。