數(shù)據(jù)挖掘在各領域的應用案例-資料下載頁
2025-08-01 16:52本頁面
【正文】 方式抽取演算法有 :識別簡單線性類別的聚類 。用決策樹方法獲取分類規(guī)則 。 能識別各類間有顯著差異的偏差檢測 。用于發(fā)現(xiàn)和顯示隨機依賴關系的依賴關系分析。 動態(tài)與展望 ? 目前， KDD研究的重點，正從理論轉向應用，可說凡是用到資料庫的地方，就有 KDD的課題等待人們去探討。 ? KDD與科學資料庫的結合對科技的發(fā)展必定會起很大的促進作用，具有廣泛的應用前景。 網(wǎng)絡方面 背景 ? 保證信息系統(tǒng)安全的主要問題是建立安全機制，迄今為止已發(fā)展了許多安全機制，但安全問題仍然倍受懷疑和關注。 ? 由于已從理論上證明不存在絕對安全的安全系統(tǒng)，因此一般將審計跟蹤、攻擊檢測系統(tǒng)作為信息系統(tǒng)的最后一道安全防線。 ? 早期中大型的電腦系統(tǒng)中都收集審計信息來建立跟蹤檔，這些審計跟蹤的目的多是為了性能測試或計費，因此對攻擊檢測提供的有用信息比較少 。 ? 此外，最主要的困難在于由于審計信息粒度的安排，審計信息粒度較細時，資料過于龐大和細節(jié)化，反將有用的信息源沒在其中 。 ? 對于企圖攻擊，被動審計的檢出程度是不能保證的。 ? 為了使通用的審計跟蹤能用于攻擊檢測等安全目的，必須配備自動工具對審計資料進行分析，以期盡早發(fā)現(xiàn)那些可疑事件或行為的線索，給出報警或對抗措施。 基于審計信息的攻擊檢測技術 ? 為了從大量的、有時是冗余的審計跟蹤資料中提取出對安全功能有用的信息，基于電腦系統(tǒng)審計跟蹤信息設計的系統(tǒng)安全自動分析或檢測工具是很必要的 ? Data Mining 攻擊檢測方法 ? 檢測隱藏的非法行為 ? 攻擊即時檢測系統(tǒng)的原理是基于用戶歷史資料的建模以及在早期的證據(jù)或模型的基礎。 ? 審計系統(tǒng)即時地檢測用戶對系統(tǒng)的使用情況，根據(jù)系統(tǒng)內部所擁有用戶行為的概率統(tǒng)計模型進行監(jiān)測，當發(fā)現(xiàn)有可疑的用戶行為發(fā)生時，保持跟蹤并監(jiān)測、記錄該用戶的行為。 ? 神經(jīng)網(wǎng)絡的攻擊檢測技術 ? 審計統(tǒng)計資料的攻擊檢測系統(tǒng)，具有一些天生的弱點，因為用戶的行為可以是非常復雜的，所以想要準確匹配一個用戶的歷史行為和當前的行為相當困難。 ? SRI(Stanford Research Institute)的研究小組利用和發(fā)展神經(jīng)網(wǎng)絡技術來進行攻擊檢測。 神經(jīng)網(wǎng)絡可能用于解決傳統(tǒng)的統(tǒng)計分析技術所面臨的問題： ? 難于建立確切的統(tǒng)計分布 ? 統(tǒng)計方法基本上是依賴用戶行為的主觀假設，如偏差高斯分布；錯發(fā)警報常由這種假設所導致。 ? 難于實現(xiàn)方法的普遍性 ? 適用某類用戶行為的檢測一般無法適用于另一類用戶。 ? 演算法實現(xiàn)比較昂貴 ? 基于統(tǒng)計的演算法對不同類型的用戶行為不具普遍性，因此演算法較復雜且龐大，導致演算法實現(xiàn)上的昂貴。而神經(jīng)網(wǎng)絡技術不存在這個問題，實現(xiàn)的代價較小。 ? 系統(tǒng)臃腫難于剪裁 ? 由于采用統(tǒng)計方法檢測具有大量用戶的電腦系統(tǒng)，將不得不保留大量的用戶行為資料，導致系統(tǒng)的臃腫。而基于神經(jīng)網(wǎng)絡的技術能夠回避這一缺點，根據(jù)即時檢測到的信息有效地加以處理作出攻擊可能性的判斷。 結語 目前，神經(jīng)網(wǎng)絡技術提出了對傳統(tǒng)統(tǒng)計技術的攻擊檢測方法的改進方向，但尚不十分成熟，所以傳統(tǒng)的統(tǒng)計方法仍將繼續(xù)發(fā)揮作用，也仍然能為發(fā)現(xiàn)用戶的異常行為提供相當有參考價值的信息。 目的 一般都是靜態(tài)的的個人網(wǎng)頁，此篇利用 data mining的技術，設計動態(tài)的個人化網(wǎng)頁，根據(jù)使用者瀏覽網(wǎng)頁的紀錄，找出使用者最常逛的網(wǎng)頁，節(jié)省網(wǎng)絡頻寬，提升個人化網(wǎng)頁品質。 系統(tǒng)整體結構 紀錄器 :紀錄網(wǎng)址與瀏覽的時間，送至資料庫分析，收集約一星期的時間的資料再做分析分析 瀏覽器 分析器 紀錄器 個人化網(wǎng)頁 資料庫 使用者 分析器與個人化網(wǎng)頁流程圖
環(huán)評公示相關推薦
鄂ICP備17016276號-1