基于决策树的网络隐蔽通道检测模型的研究

来源 :南京理工大学 | 被引量 : 0次 | 上传用户:wangyongzhi59
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
隐蔽通道是信息隐藏(Message Hiding)的一个重要分支,它是允许进程间以危害系统安全策略的方式传输信息的通信信道,网络隐蔽通道作为隐蔽通道中的一种,黑客常常会利用它来窃取机密信息,这样,对于要求高信息安全的用户而言,他们将面临着巨大的威胁,因此对网络隐蔽通道检测技术的研究是非常有必要的。网络互连一般采用TCP/IP协议簇,它是一个工业标准的协议簇,但该协议簇在制订之时,对安全问题考虑不多,协议中有很多的安全漏洞,隐蔽通道就可以利用该协议簇的一些弱点进行信息泄露,这样的隐蔽通道类型也就是网络隐蔽通道,网络隐蔽通道也成为了信息安全领域的一个重要研究课题,并且随着国家安全机构不断加入到互联网,黑客将会不断地利用网络隐蔽通道来泄露机密信息,因而对网络隐蔽通道的检测也显得刻不容缓。国内外关于网络隐蔽通道的研究成果主要集中在如何来构造方面,而对如何检测方面还不是很多。本文正是针对传统检测方法的不足,通过对网络隐蔽通道特点的归纳和分析,找到可以描述网络隐蔽通道的若干属性,并提出基于网络隐蔽通道特征集的检测思想,最后采用数据挖掘方法,实现一个基于决策树的检测模型。实验证明该检测模型是比较有效的,该模型能够根据网络隐蔽通道的不同属性来丰富规则集,体现了自适应特点;该检测方法在虚警率和漏报率方面符合优良检测器的标准。
其他文献
运动目标的检测与跟踪技术是计算机视觉和图像编码领域的重要研究课题之一,在安全监控、军事制导以及智能交通等方面都有着重要的研究价值和应用前景。   本文首先介绍运动
视频质量评估的研究是图像信息工程的基础技术之一。在视频通信应用中的视频传输技术,视频处理中的编码压缩技术和视频恢复技术,所有这些技术不论优劣都会在一定程度上影响到
被动测量由于对网络运行无干扰,测量数据能真实地反映网络行为,所以被广泛应用于网络测量工作和网络行为学研究。本论文的研究工作基于CERNET华东(北)地区网络中心,为了支持网络
随着计算机的发展与应用,人与计算机的交互越来越密切,人机交互技术随之应运而生并极大的改变着人们的工作和生活方式。手势交互作为人机交互技术中重要的一环也越发引起科学
访问控制技术作为支撑信息系统安全的重要技术之一,广泛应用于操作系统、数据库以及各种应用系统的安全防护之中。随着计算机网络、分布式等技术的发展,尤其是Web服务技术的
视频监控技术是计算机视觉领域一个新兴的应用方向和备受关注的前沿课题,是计算机科学、机器视觉、图像工程、模式识别和人工智能等多种学科的结晶,广泛应用于城市道路交通监
1985年Miller和Koblitz分别独立提出椭圆曲线密码体制(ECC, Elliptic Curve Cryptosystem) ,由于ECC本身计算速度快,存储空间小,带宽要求低,特别适用于Smart卡和无线应用环境
网格是继因特网之后又一次重大的科技进步,它来源于人们熟悉的电力网,代表了一种先进的技术和基础设施。网格的目标是将地理上分布、异构的高性能计算机、数据服务器、大型检
互联网不断地深入到人们生活的方方面面,如何对互联网上的非法网页进行过滤,给用户营造一个良好的学习和工作环境,成为一个重要的研究领域。由于当前的网页过滤系统对网页过
目标跟踪是典型的动态系统状态估计问题。线性、高斯条件下,卡尔曼滤波是最优估计。但实际应用中,运动目标极少满足单一模型和线性、高斯条件。在强非线性、非高斯环境下,卡