入侵檢測與安全審計-文庫吧資料
2025-01-17 11:00本頁面
【正文】 傳統(tǒng)方法難以檢測的異?；顒樱? ? 具有很強(qiáng)的適應(yīng)變化的能力； ? 容易檢測到企圖在學(xué)習(xí)階段訓(xùn)練系統(tǒng)中的入侵者； ? 實(shí)時性高。 )1,0(. .. 2222211 niaSaSaSaM inn ???????2)1( ?? ?? ?nM 預(yù)測模式生成法 利用 動態(tài)的規(guī)則集 來檢測入侵，這些規(guī)則是由系統(tǒng)的歸納引擎，根據(jù)已發(fā)生的事件的情況來預(yù)測將來發(fā)生的事件的概率來產(chǎn)生的，歸納引擎為每一種事件設(shè)置可能發(fā)生的概率。將各個異常性測量值的平均加權(quán)求和得出特征值 然后 選取閾值 ，例如選擇標(biāo)準(zhǔn)偏差 其中均值取 μ=M/n，如果 S值超出了 μ177。 算法： M1,M2,? ,Mn表示行為輪廓中的特征變量， S1,S2,? ,Sn分別表示各個變量的異常性測量值， Si的值越大就表示異常性越大。 Step2：分析樣本 對每次采集到的樣本進(jìn)行 計算 ，得出一系列的參數(shù)變量來對這些行為進(jìn)行描述，從而產(chǎn)生 行為輪廓 ，將每次采樣后得到的行為輪廓與以后輪廓進(jìn)行合并，最終得到系統(tǒng)和用戶的正常行為輪廓。 ? 神經(jīng)網(wǎng)絡(luò)方法 將神經(jīng)網(wǎng)絡(luò)用于對系統(tǒng)和用戶行為的學(xué)習(xí)。 ? 基于統(tǒng)計學(xué)方法的異常檢測系統(tǒng) 使用統(tǒng)計學(xué)的方法來學(xué)習(xí)和檢測用戶的行為。 ? 用來 觀測 黑客如何探測并最終入侵系統(tǒng)； ? 用于 拖延 攻擊者對真正目標(biāo)的攻擊。 ?優(yōu)點(diǎn) ? 檢測準(zhǔn)確度較高 ? 可以檢測到?jīng)]有明顯行為特征的入侵 ? 成本較低 ? 不會因網(wǎng)絡(luò)流量影響性能 ? 適合加密和交換環(huán)境 ?缺點(diǎn) ? 實(shí)時性較差 ? 無法檢測數(shù)據(jù)包的全部 ? 檢測效果取決于日志系統(tǒng) ? 占用主機(jī)資源 ? 隱蔽性較差 ? 基于網(wǎng)絡(luò)的入侵檢測系統(tǒng) 作為一個 獨(dú)立的個體 放置在被保護(hù)的網(wǎng)絡(luò)上，使用原始的網(wǎng)絡(luò)分組數(shù)據(jù)包作為進(jìn)行攻擊分析的數(shù)據(jù)源。 審 計 數(shù) 據(jù)收 集 器審 計 數(shù) 據(jù)過 濾 器審 計 數(shù) 據(jù)分 析 器安 全管 理人 員原 始 審計 數(shù) 據(jù)相 關(guān) 審計 數(shù) 據(jù)檢 測 結(jié) 果基 于 主 機(jī) 的 入 侵 檢 測 系 統(tǒng)根據(jù)檢測對象的不同，基于主機(jī)的 IDS可分為： ? 網(wǎng)絡(luò)連接檢測 對試圖進(jìn)入該主機(jī)的數(shù)據(jù)流進(jìn)行檢測，分析確定是否有入侵行為。 ?事件數(shù)據(jù)庫 記錄分析結(jié)果，并記錄下所有的時間，用于以后的分析與檢查。 ?數(shù)據(jù)分析模塊 兩方面功能：一是分析數(shù)據(jù)提取模塊搜集到的數(shù)據(jù)；二是對數(shù)據(jù)庫保存的數(shù)據(jù)做定期的統(tǒng)計分析。 ? 可擴(kuò)展性：機(jī)制與數(shù)據(jù)分離；體系結(jié)構(gòu)的可擴(kuò)展性。 ? 時效性：及時地發(fā)現(xiàn)入侵行為。 ? 入侵檢測系統(tǒng)（ IDS） 為完成入侵檢測任務(wù)而設(shè)計的計算機(jī)系統(tǒng)稱為入侵檢測系統(tǒng)（ Intrusion Detection System, IDS），這是防火墻之后的第二道安全閘門。第四章 入侵檢測與安全審計 主要內(nèi)容 ? 入侵檢測系統(tǒng)基礎(chǔ) ? 入侵檢測分析方法 ? 入侵檢測系統(tǒng)實(shí)例 ? 安全審計
試題試卷相關(guān)推薦
鄂ICP備17016276號-1