基于MapReduce并行关联挖掘的网络入侵检测

徐胜超，宋 娟，潘 欢

(1.广东财经大学华商学院 数据科学学院，广东 广州 511300；2.宁夏大学 宁夏沙漠信息智能感知重点实验室，宁夏 银川 750021)

0 引 言

随着计算机网络的发展及新型网络协议的出现，近年来各类网络入侵攻击行为持续增加，普通的数据挖掘算法已经不能满足网络入侵检测的需求。作为数据挖掘的重要分支，关联规则挖掘已经成为了研究热点[1-4]。关联规则算法中，很多都能够产生频繁项集，在这些关联挖掘产生频繁项集的过程中，连接数据库和产生侯选项集的数目非常大，这样将大大增加了关联规则算法的时间代价,降低了效率。例如经典的Apriori算法增强了丰富的颜色到数据的分析与处理，其目的是为了发现不同的数据项在历史交易数据库中的关系，核心功能是通过重复扫描数据项，获得频繁项集和研究项集之间的关系。目前，Apriori算法和并行化的Apriori算法都得到了很大的改善[5-7]。

关联规则模型中的Apriori算法主要应用在大量的历史交易数据中，用来发现频繁模式和数据项之间的关联性。尽管如此,考虑到Apriori算法的固有的特点，当数据容量十分大的时候，它的缺点和不足体现得更加明显，此时使用Apriori算法来分析和处理数据将变得非常消耗时间与内存空间，效率低下[8]。所以为了快速处理大容量数据，文献[9]提出了基于Apriori算法的重要状态确定方法来完成网络入侵检测。文献[10]提出了改进的Apriori算法来完成频繁模式树的建立,将其应用到数据挖掘领域。……