張雅茹

（連云港開放大學(xué) 繼續(xù)教育學(xué)院，江蘇 連云港 222000）

大數(shù)據(jù)時(shí)代，海量數(shù)據(jù)中隱藏著的大量攻擊性異常行為數(shù)據(jù)對(duì)網(wǎng)絡(luò)安全造成重大隱患，而入侵檢測(cè)技術(shù)能夠?yàn)閿?shù)據(jù)安全提供保障[1]。針對(duì)現(xiàn)有網(wǎng)絡(luò)異常行為檢測(cè)技術(shù)中因數(shù)據(jù)不平衡而導(dǎo)致召回率低的問題，楊宏宇等人提出一種基于逆向習(xí)得推理的異常行為檢測(cè)模型，實(shí)驗(yàn)結(jié)果表明，該模型在數(shù)據(jù)不平衡時(shí)仍具有較高的召回率和檢測(cè)精度[2]。針對(duì)現(xiàn)有網(wǎng)絡(luò)流量異常檢測(cè)技術(shù)對(duì)網(wǎng)絡(luò)環(huán)境動(dòng)態(tài)變化適應(yīng)性差的問題，蔣華團(tuán)隊(duì)提出一種自適應(yīng)閾值的網(wǎng)絡(luò)流量異常檢測(cè)方法，研究結(jié)果表明，該檢測(cè)方法對(duì)網(wǎng)絡(luò)異常流量具有較高的檢測(cè)精度[3]。在關(guān)于網(wǎng)絡(luò)異常檢測(cè)技術(shù)的研究中，較少有學(xué)者用二分K-means 算法解決正常行為特征行為模型效率低的問題，基于此，研究提出以改進(jìn)后的二分K-means 算法來構(gòu)建正常行為特征訓(xùn)練集模型，并在此基礎(chǔ)上設(shè)計(jì)出網(wǎng)絡(luò)異常檢測(cè)算法ITCM-KNN，期望實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)異常行為數(shù)據(jù)的高效檢測(cè)。

1 基于改進(jìn)二分K-means 算法的網(wǎng)絡(luò)異常檢測(cè)算法設(shè)計(jì)

1.1 以改進(jìn)二分K-means 算法構(gòu)建正常行為特征模型

網(wǎng)絡(luò)異常檢測(cè)技術(shù)是根據(jù)正常的網(wǎng)絡(luò)數(shù)據(jù)集建立模型，然后將待檢測(cè)的數(shù)據(jù)與模型進(jìn)行比對(duì)來判斷數(shù)據(jù)是否異常，異常檢測(cè)能夠檢測(cè)出未知的異常行為數(shù)據(jù)，甚至察覺到潛在的網(wǎng)絡(luò)攻擊行為，因此常被用于進(jìn)行網(wǎng)絡(luò)安全監(jiān)測(cè)[4-5]。大數(shù)據(jù)時(shí)代下，隨著網(wǎng)絡(luò)數(shù)據(jù)不斷更迭，傳統(tǒng)異常檢測(cè)方法效率低下、誤報(bào)率較高，難以有效區(qū)分攻擊類型和正常類型，基于此，研究提出基于改進(jìn)二分K-means 算法的網(wǎng)絡(luò)異常檢測(cè)模型。首先利用二分K-means 聚類算法來對(duì)海量數(shù)據(jù)進(jìn)行挖掘分析從而構(gòu)建出正常網(wǎng)絡(luò)行為模型，其次結(jié)合正常網(wǎng)絡(luò)行為模型設(shè)計(jì)出檢測(cè)算法ITCM-KNN，該模型如圖1 所示。

圖1 基于改進(jìn)二分K-means 算法的網(wǎng)絡(luò)異常檢測(cè)算法模型示意圖

聚類分析是在未給定訓(xùn)練目標(biāo)的情況下按照“簇內(nèi)樣本相似度最大，簇間樣本差異度最大”的規(guī)則對(duì)所收集的數(shù)據(jù)對(duì)象進(jìn)行分類[6-7]。K-means劃分聚類算法因其簡(jiǎn)潔、高效而被廣泛應(yīng)用，該算法的核心是依據(jù)特定的距離函數(shù)在已知的數(shù)據(jù)集合上將數(shù)據(jù)對(duì)象反復(fù)分配至k（需要的聚類數(shù)目）個(gè)聚類中[8]。根據(jù)歐幾里得距離公式計(jì)算出數(shù)據(jù)樣本點(diǎn)和聚類中心的距離如式（1）所示：

式（1）中，m 表示待聚類的個(gè)體特征變量，Xik、Xjk分別為第i 個(gè)、第j 個(gè)樣本的第k 個(gè)指標(biāo)的取值。Dist（Xi，Xj）表示樣本點(diǎn)Xi、Xj之間的距離，距離越小表明兩個(gè)樣本點(diǎn)的性質(zhì)越相近。在構(gòu)建正常行為特征訓(xùn)練集模型時(shí)，Xij、Xjk分別代表兩個(gè)不同時(shí)刻的基于流量數(shù)據(jù)屬性的度量值數(shù)據(jù)集合。在異常檢測(cè)階段，Xij、Xjk分別代表不同時(shí)刻所得的H（SIP）、H（InDeg）、H（DPort）、OWCD 四維結(jié)構(gòu)數(shù)據(jù)屬性的度量值。假定總數(shù)據(jù)集D 通過聚類得到K個(gè)簇即D=（D1，D2，D3，…，Dk），異常檢測(cè)是以每個(gè)新類中各維數(shù)據(jù)的均值作為新類的中心值，新類Di的中心值Xi0如式（2）所示：

式（2）中，r 代表在某個(gè)新類中的數(shù)據(jù)個(gè)數(shù)，Xt1、Xt2、Xt3、Xt4分別表示四維結(jié)構(gòu)的離散樣本點(diǎn)。由于K-means 算法是一種用于優(yōu)化非凸代價(jià)函數(shù)的貪婪下降求解算法，易陷入局部最優(yōu)解，且聚類結(jié)果受制于聚類中心的初始化選擇，因此研究引入二分K-means 算法解決上述問題。該算法的核心是利用K-means 算法將所有樣本數(shù)據(jù)分為兩個(gè)聚類，然后從兩個(gè)聚類中選擇樣本數(shù)據(jù)數(shù)量最多的聚類，并對(duì)該聚類進(jìn)行迭代劃分操作直至獲得K個(gè)簇類算法。K-means 算法中的畸變函數(shù)即誤差平方和是聚類的評(píng)價(jià)函數(shù)，如式（3）所示：

1.2 以ITCM-KNN 算法設(shè)計(jì)網(wǎng)絡(luò)異常檢測(cè)方法

直推信度機(jī)是以隨機(jī)性思想理論為基礎(chǔ)建立的一種置信度機(jī)制，常用于衡量樣本的類別歸屬問題[9]。K-近鄰分類算法通過直接從訓(xùn)練集中搜尋出距待分類的樣本對(duì)象最近的k 個(gè)點(diǎn)來對(duì)樣本進(jìn)行歸類，但是若樣本分布不平衡，待分類的樣本便可能分配到非目標(biāo)類中，利用TCM 的檢測(cè)函數(shù)能夠避免KNN 算法將待分類的樣本歸類于非目標(biāo)類中[10]。研究結(jié)合TCM、KNN 設(shè)計(jì)出TCM-KNN算法，該算法基于現(xiàn)有的樣本區(qū)域計(jì)算出待分類樣本各點(diǎn)之間的空間距離，然后利用置信度外推機(jī)制得到檢測(cè)函數(shù)P，并根據(jù)P 值評(píng)估樣本分屬于某一類中的可靠度。待分類的樣本i 對(duì)于類別y 的P 值如式（4）所示：

式（4）中，“#”為集合的“勢(shì)”，表示有限集合所包含的元素個(gè)數(shù)，αj為集合中任一樣本的奇異值，αi為待分類樣本的奇異值，n 表示集合的個(gè)數(shù)。研究將TCM-KNN算法結(jié)合聚類分析構(gòu)建網(wǎng)絡(luò)異常檢測(cè)算法ITCM-KNN。ITCM-KNN算法是根據(jù)聚類后的正常數(shù)據(jù)集而構(gòu)建的異常檢測(cè)算法，假設(shè)改進(jìn)的二分k-means 算法將正常數(shù)據(jù)集合分類為f 個(gè)聚類，ITCM-KNN 算法首先需計(jì)算出待測(cè)樣本相對(duì)于f 個(gè)聚類中心的歐氏距離，并將待測(cè)樣本加入到距離最短的聚類中。然后選擇最接近待檢測(cè)樣本點(diǎn)的聚類作為正常特征行為訓(xùn)練集。最后根據(jù)公式（4）得到待測(cè)樣本歸屬于正常特征行為訓(xùn)練集的概率P 值，若P 值小于預(yù)定的閾值τ=0.05，則置信度為1-τ 即作為判定異常的指標(biāo)。

2 網(wǎng)絡(luò)異常檢測(cè)實(shí)驗(yàn)結(jié)果分析

2.1 ITCM-KNN 算法的性能仿真實(shí)驗(yàn)分析

研究選用1999DARPA 數(shù)據(jù)集對(duì)異常檢測(cè)算法進(jìn)行評(píng)估，使用Wireshark 抓包工具捕捉分析網(wǎng)絡(luò)中的數(shù)據(jù)包。對(duì)構(gòu)建正常行為模型的改進(jìn)二分K-means算法設(shè)置參數(shù)：聚類個(gè)數(shù)z=5；對(duì)網(wǎng)絡(luò)異常檢測(cè)算法ITCM-KNN設(shè)置最近鄰目數(shù)k=8，置信度1-τ=95%，并且實(shí)驗(yàn)引入傳統(tǒng)檢測(cè)算法Cluster 作為基準(zhǔn)算法與研究所提出的算法進(jìn)行對(duì)照實(shí)驗(yàn)。為檢驗(yàn)ITCM-KNN算法的優(yōu)越性和有效性，研究在數(shù)據(jù)集上仿真算法Cluster、KNN、ITCM-KNN 對(duì)K-means 的聚類能力，以每一次迭代后的最優(yōu)適應(yīng)度值作為指標(biāo)，如圖2 所示為根據(jù)每次迭代結(jié)果所繪制的迭代收斂圖。

圖2 不同算法在數(shù)據(jù)集上的收斂圖

由圖2 仿真曲線可知，相較KNN、Cluster 算法，ITCM-KNN 算法適應(yīng)度曲線較為平滑且收斂速度最為迅速，在迭代次數(shù)20 次內(nèi)就以較快的速度接近全局最優(yōu)解，在[20,40]的迭代區(qū)間內(nèi)實(shí)現(xiàn)最優(yōu)解。由此說明，ITCM-KNN 算法對(duì)比KNN、Cluster 算法對(duì)全局和局部的搜索能力提升顯著，聚類效果更優(yōu)異。

2.2 ITCM-KNN 算法應(yīng)用于網(wǎng)絡(luò)異常檢測(cè)的效果分析

實(shí)驗(yàn)以檢測(cè)率、誤報(bào)率作為衡量算法對(duì)網(wǎng)絡(luò)異常進(jìn)行檢測(cè)的指標(biāo)，如圖3 所示為Cluster、KNN、ITCM-KNN 算法誤報(bào)率-檢測(cè)率實(shí)驗(yàn)關(guān)系對(duì)比圖。

圖3 算法誤報(bào)率-檢測(cè)率檢測(cè)對(duì)比圖

由圖3 可知，隨著檢測(cè)率的提升，三種算法的誤報(bào)率均相應(yīng)增加，其中ITCM-KNN 算法相較KNN、Cluster 算法在較高的檢測(cè)率下誤報(bào)率最低且曲線走勢(shì)平滑，由此說明ITCM-KNN 算法能較好平衡檢測(cè)率和誤報(bào)率兩者指標(biāo)的關(guān)系。如圖4所示為三種算法在網(wǎng)絡(luò)異常檢測(cè)中檢測(cè)率、誤報(bào)率的具體表現(xiàn)。

圖4 算法網(wǎng)絡(luò)異常檢測(cè)效果對(duì)比圖

由圖4 可知，ITCM-KNN 算法在檢測(cè)率指標(biāo)中相較Cluster、KNN 算法提升顯著，其檢測(cè)率較Cluster 算法平均提高8.37%，較KNN 算法平均提高2.78%。ITCM-KNN 算法在數(shù)據(jù)含量超過1/2 后與KNN 算法曲線拉大差距，說明ITCM-KNN 算法能夠快速準(zhǔn)確地確定聚類中心，跳出局部最優(yōu)值而確定全局最優(yōu)值，從而提升對(duì)數(shù)據(jù)集的檢測(cè)率。從誤報(bào)率指標(biāo)結(jié)果圖可知，ITCM-KNN 算法相較其它兩種算法誤報(bào)率最低，隨著數(shù)據(jù)含量增大誤報(bào)率下降明顯，其中相較Cluster 算法誤報(bào)率平均下降2.14%，較KNN 算法平均下降1.03%。

3 結(jié)論

在大數(shù)據(jù)時(shí)代，網(wǎng)絡(luò)數(shù)據(jù)呈現(xiàn)出指數(shù)級(jí)增長(zhǎng)的趨勢(shì)，而在這些數(shù)據(jù)中，大量網(wǎng)絡(luò)異常數(shù)據(jù)所代表的網(wǎng)絡(luò)性攻擊行為對(duì)網(wǎng)絡(luò)安全造成巨大挑戰(zhàn)，傳統(tǒng)網(wǎng)絡(luò)異常檢測(cè)技術(shù)難以對(duì)海量數(shù)據(jù)進(jìn)行有效挖掘分析。研究提出以改進(jìn)二分K-means 聚類算法構(gòu)建正常行為特征訓(xùn)練集模型，在此基礎(chǔ)上將直推信度機(jī)制、K-近鄰算法結(jié)合所建立的正常行為特征模型設(shè)計(jì)出異常檢測(cè)算法ITCM-KNN，隨后以仿真的形式對(duì)該算法進(jìn)行了驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，ITCM-KNN 算法的檢測(cè)率相較Cluster 算法平均提高8.37%，誤報(bào)率平均下降2.14%，檢測(cè)率相較KNN 算法平均提高2.78%，誤報(bào)率平均下降1.03%。由此說明研究所提出的ITCM-KNN 算法能夠在保持較高檢測(cè)率的同時(shí)降低誤報(bào)率，改善了傳統(tǒng)檢測(cè)技術(shù)難以處理海量數(shù)據(jù)的困境。由于研究對(duì)該算法進(jìn)行驗(yàn)證所采用的是模擬實(shí)驗(yàn)數(shù)據(jù)集，因此未來可將ITCM-KNN 算法應(yīng)用于真實(shí)網(wǎng)絡(luò)環(huán)境中檢測(cè)，以便更有效說明該算法的適應(yīng)性與可行性。