基于异常用户行为的蠕虫检测与特征码自动提取技术研究

来源 :电子科技大学 | 被引量 : 0次 | 上传用户:fclzlj123
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
当今对计算机网络安全提出最大挑战的是起源于上世纪80年代的网络蠕虫。蠕虫因其传播隐蔽,感染速度快,造成损失大的特点使得对蠕虫的研究越来越受到人们的重视。现阶段,蠕虫的检测手段仍然集中在基于特征码的误用检测和基于网络行为的异常检测上,但在检测手段的创新上遇到了一定的瓶颈。另外,传统的基于人工的蠕虫特征码提取方式所具有的滞后性极大的影响着蠕虫的检测和蠕虫的遏制;而处于起步阶段的早期蠕虫特征码自动提取技术则在面对变形蠕虫和反特征码自动提取技术时显得力不从心。因此,提出一种新的蠕虫检测方法和蠕虫特征码自动提取方法具有重要意义。本文综述了计算机蠕虫的相关原理、关键技术、检测方法以及蠕虫特征码提取的相关技术,并提出了一套新的蠕虫检测方法和蠕虫特征码自动提取方法,在一定程度上弥补了现有技术的不足。本文的主要工作和贡献包括:详细的概述了蠕虫的原理和现有的蠕虫检测技术、蠕虫特征码提取技术并分析了现有蠕虫检测技术和蠕虫特征码提取技术的优点和不足。同时对未来蠕虫的发展和蠕虫检测于特征码提取技术的发展做出了预测。目前的蠕虫检测主要由基于特征码的误用检测和基于蠕虫网络行为的异常检测组成。其中异常检测主要通过利用蠕虫在扫描阶段产生的大量失败连接为依据从而分析出网络中是否存在蠕虫,而不是结合用户网络行为进行蠕虫检测。本文另辟蹊径,结合现有技术的优点,提出了基于异常用户行为的蠕虫检测方式,有效避免了非蠕虫行为干扰的问题,提高了蠕虫检测的准确率。本文还针对蠕虫特征码人工提取和早期特征码自动提取技术的不足,提出了抗攻击蠕虫特征码自动提取技术,有效的弥补了人工提取的滞后性和早期特征码自动提取技术在变形蠕虫特征码提取和抗反特征码自动提取攻击能力差的不足。这也是对蠕虫特征码自动提取技术的有益尝试。
其他文献
传统的数据挖掘对象主要是针对数据库或者数据仓库,然而大量的数据并非存储在他们之中而是分散在万维网上。基于种种因为不能直接得到Web数据的后台数据库,因而无法直接利用
USB(Universal Serial Bus)总线协议是标准化外设与主机连接的通用外部总线标准。伴随着USB设备类型越来越复杂,传输速度越来越快,USB存储设备的安全性问题逐渐成为一个被广
随着信息技术不断应用到交通、电力、军事、公安、航空、城市规划和物流等众多涉及空间信息的领域,对空间数据的存储、管理和分析等问题亟待解决。由于空间数据具有位置、非
一个网络图形通常包括一个节点集和一个边集,分别用来表示实体以及实体之间的联系。从真实世界中抽象出来的网络具有很大的规模,包含成千上万甚至上百万个点,例如论文引用所
随着互联网的发展以及移动互联网时代的到来,各应用领域如电子商务、网络社交、搜索引擎提供商等都积累了大量的数据并且迫切期望对已有的数据进行高效的分析以产出学术和商
移动网格的产生得益于网格计算和移动计算技术的迅猛发展,它继承了传统网格的特性,能够为网格用户提供多样化、可靠的网格服务。同时,移动网格加入了对移动设备的支持,不仅可
网格利用互联网把地理上广泛分布的各种资源(包括计算资源、存储资源、通信资源、软件资源、数据资源、信息资源、知识资源、外部设备等)连成一个逻辑整体,实现网络虚拟环境
中间件是位于应用服务层和系统平台之间的软件层,屏蔽了底层操作系统和硬件平台的差异性,使得应用程序独立于操作系统和硬件平台,实现了异构网络中不同服务对象的相互协作、同一
移动网格计算(mobile grid computing),即网格计算和普适计算技术的融合,其关键技术即为移动网格。当前大多数网格结构和算法并没有把移动计算环境考虑在内,因为移动设备还没
本文以人脸表情识别系统为主要研究平台,以Microsoft Agent技术在人脸表情识别中的应用为重点研究方向,对于人性化的特征表达进行深入而系统的研究。Agent支持语音识别输入指