基于相似度计算的网络攻击分类方法

贾志淳，辛民栋，李彦谚，韩秋阳，郑 行，邢 星

（渤海大学信息科学与技术学院，辽宁锦州121013）

0 引言

随着基于网络的计算机服务和应用程序在网络系统上运行的大量增长，对网络系统安全的威胁来自许多方面，这些威胁伴随着时间的推移也在不断的更新和进化.从宏观角度来看，这些威胁可以分为人为威胁和自然威胁.自然威胁来自各种自然灾害、不利的场地环境、电磁干扰、网络设备的自然老化等.这些威胁是漫无目的的，但会对网络通信系统造成破坏，危害通信安全.然而，人为威胁则是通过寻找系统的弱点，对网络信息系统进行有目的性的攻击.例如，以未经授权的方式破坏、欺骗和窃取数据信息.与自然威胁相比，精心设计的人工攻击威胁是很难防止网络信息或数据的被破坏.如何正确地对网络攻击进行适当的分类已成为一个关键问题.

目前，研究人员［1］和服务提供商［2］越来越重视对攻击［3］的检测.文献［4-25］提出了一些攻击检测的方法，这些方法以异常监督的方式得到了广泛的应用.文献［26，27］使用支持向量机（SVM）的方式（使用KDD数据集［28］）检测异常.文献［29，30］建立了基于人工神经网络的IDS模型，并使用相同的数据集检测异常.即使这些异常分布不均匀，它们也可以应用级联分类器来检测和分类KDD数据集的异常.与此同时，一些学者对攻击的分类也很感兴趣.但是这些工作［31，32］只关注使用机器学习模型进行异常分类的总体精度和准确性.

此外，一些……