數(shù)據(jù)挖掘技術(shù)在計算機網(wǎng)絡(luò)病毒防御中的應(yīng)用探究

張　燕

（寧夏工商職業(yè)技術(shù)學(xué)院，寧夏銀川750021）

?

數(shù)據(jù)挖掘技術(shù)在計算機網(wǎng)絡(luò)病毒防御中的應(yīng)用探究

張燕

（寧夏工商職業(yè)技術(shù)學(xué)院，寧夏銀川750021）

［摘要］隨著互聯(lián)網(wǎng)的快速發(fā)展，網(wǎng)絡(luò)信息與數(shù)據(jù)安全變得越來越重要，這關(guān)系各個領(lǐng)域的網(wǎng)絡(luò)隱私安全。數(shù)據(jù)挖掘技術(shù)是一種旨在提高互聯(lián)網(wǎng)信息安全的技術(shù)，它可以有效地提高互聯(lián)網(wǎng)的信息安全和病毒防御。本文對計算機網(wǎng)絡(luò)數(shù)據(jù)挖掘技術(shù)（Net Data Mining）NDM進行描述和探索，探究計算機網(wǎng)絡(luò)病毒防御中數(shù)據(jù)挖掘技術(shù)的一些關(guān)聯(lián)工具和結(jié)構(gòu)，重點對數(shù)據(jù)挖掘算法進行描述，如決策樹、關(guān)聯(lián)規(guī)則等，這些有助于加強病毒的防御，最后通過模型來解決計算機網(wǎng)絡(luò)病毒防御中的問題。

［關(guān)鍵詞］數(shù)據(jù)挖掘技術(shù)；計算機；網(wǎng)絡(luò)病毒；防御系統(tǒng)；應(yīng)用研究

隨著互聯(lián)網(wǎng)牽涉面越來越集中，涉及到金融、財產(chǎn)和人際的內(nèi)容愈來愈多，數(shù)據(jù)挖掘技術(shù)在計算機網(wǎng)絡(luò)病毒防御系統(tǒng)的構(gòu)建應(yīng)用中愈來愈重要。數(shù)據(jù)挖據(jù)技術(shù)基于大數(shù)據(jù)模塊模式更多地應(yīng)用于計算機網(wǎng)絡(luò)的詐騙防護、危機評估等，可以有效地檢測病毒的活動與入侵。

數(shù)據(jù)挖掘技術(shù)反映了當(dāng)前分析工具的進步，可以預(yù)測、檢測病毒的入侵形式和數(shù)量，以及目的行為。在個人隱私空間和社會公共空間的隱私保護中，數(shù)據(jù)挖掘技術(shù)扮演著“守護者”的角色，如銀行數(shù)據(jù)防病毒入侵系統(tǒng)、保險數(shù)據(jù)系統(tǒng)、醫(yī)院數(shù)據(jù)系統(tǒng)以及零售商數(shù)據(jù)系統(tǒng)等。

數(shù)據(jù)挖掘技術(shù)涉及到算法、規(guī)則等實際技術(shù)問題，筆者根據(jù)計算機網(wǎng)絡(luò)病毒防御的需要，重點研究了常見的工具和算法。

一、相關(guān)研究

1.數(shù)據(jù)挖據(jù)技術(shù)

數(shù)據(jù)挖掘技術(shù)是指從大型的、噪雜的、擁擠的數(shù)據(jù)空間中提取不被人們所知的數(shù)據(jù)，這些數(shù)據(jù)都是有用的潛在信息。傳統(tǒng)數(shù)據(jù)挖掘技術(shù)多從同類屬性著手，自然有其局限性。隨著互聯(lián)網(wǎng)的應(yīng)用推廣和網(wǎng)絡(luò)大數(shù)據(jù)分析技術(shù)的進步，把傳統(tǒng)數(shù)據(jù)挖掘和互聯(lián)網(wǎng)結(jié)合產(chǎn)生的網(wǎng)絡(luò)數(shù)據(jù)挖掘技術(shù)成為今日的“明星”。網(wǎng)絡(luò)數(shù)據(jù)挖掘技術(shù)可以有效地發(fā)現(xiàn)和提取潛在的、有用的信息，以及隱藏在網(wǎng)絡(luò)檔案和互聯(lián)網(wǎng)活動行為中的信息。

筆者本文所研究的數(shù)據(jù)挖掘技術(shù)，就是基于網(wǎng)絡(luò)的互聯(lián)網(wǎng)數(shù)據(jù)挖掘，其技術(shù)的基本形式如圖1所示。

圖1　互聯(lián)網(wǎng)數(shù)據(jù)挖掘技術(shù)工作內(nèi)容

2.安全擬合

隨著得知R，可以計算出v。本算法面臨的凸顯問題是串通問題。Sites（l- 1）and（l+1）通過比較輸入值和輸出值來得出vi。本方法可以應(yīng)付大部分網(wǎng)絡(luò)需要，每個站可以分解，每個分解值的擬合可以單獨計算，這種路徑可以使得每次分解質(zhì)擬合不會出現(xiàn)兩次，可以有效地進行精準(zhǔn)預(yù)測計算。

3.安全設(shè)置集合

安全設(shè)置集合是數(shù)據(jù)挖掘的有效方法之一，可以在每次進程中給出規(guī)則以及頻繁的內(nèi)容欄目設(shè)置，這樣通過交換加密技術(shù)來進行有效的執(zhí)行防御。一個加密算法交換進行時，加密鑰匙可以是K1，K2，……Kn∈K，最后的加密數(shù)據(jù)M被應(yīng)用于所有的鑰匙。每個站點的加密設(shè)置與增加是基于一個整體設(shè)置情形下的，這樣每個站點的加密欄目和內(nèi)容將可以有效地進行鑰匙控制。自從加密技術(shù)被應(yīng)用于網(wǎng)絡(luò)站點的交換進程中，對應(yīng)的將會對相同欄目進行加密，并對整體設(shè)置進行檢測，最后網(wǎng)絡(luò)站點的防御檢測將會使得每個欄目內(nèi)容都進行加密處理。另外，為了更好避免病毒的攻擊，交換規(guī)則將會持續(xù)進行。

4.交叉設(shè)置的安全標(biāo)準(zhǔn)

在網(wǎng)絡(luò)安全設(shè)置中，要兼顧相同的數(shù)據(jù)集，重要的問題是計算出交叉設(shè)置的量。相同的安全集合技術(shù)使用交換加密算法來進行，所有的k數(shù)據(jù)活動都要依據(jù)加密交換來進行，并且要確保加密鑰匙的每次唯一性，每次數(shù)據(jù)收集和調(diào)換都需要在固定欄目范圍內(nèi)使用鑰匙口令來進行，通過接收加密鑰匙口令，每次數(shù)據(jù)的進行和更迭才可以確定安全。交叉設(shè)置的鑰匙口令，確保了不同設(shè)置下的相同安全標(biāo)準(zhǔn)，因為它們都要在一個安全集的范圍內(nèi)進行。

5.數(shù)量積

6.不經(jīng)意傳輸

不經(jīng)意傳輸協(xié)議是一種保護雙方隱私的協(xié)議，它有兩個參與方，一個是信息持有者，一個是信息接收者。信息持有者的一對值為（x0，x1），信息接收者輸入一個比σ∈（0，1）。協(xié)議就是接收者獲悉Xσ，然而信息持有者卻沒有。這樣，協(xié)議達(dá)到不經(jīng)意的傳輸。

7.茫然多項估值

茫然多項估值是另一個有效的協(xié)議，在相鄰集合中，持有者的輸入是一個多項式Q，基于一個K標(biāo)準(zhǔn)下，接收者的輸入是一個元素z∈f。協(xié)議中，接收者獲得Q（z），持有者沒有。

二、計算機網(wǎng)絡(luò)病毒防御系統(tǒng)的構(gòu)建

1.計算機網(wǎng)絡(luò)病毒防御系統(tǒng)介紹

計算機網(wǎng)絡(luò)病毒防御系統(tǒng)的概念，最早在Anderson （1980）的一個技術(shù)報告中被提出，他認(rèn)為計算機審查機制應(yīng)當(dāng)可以靈活變化，且可以提供給計算機對內(nèi)部危險和威脅一個安全的防御技術(shù)。他進一步提出統(tǒng)計學(xué)方法應(yīng)該應(yīng)用于分析用戶的行為和監(jiān)測違法接入資源系統(tǒng)的偽裝者。

1987年，Dorothy提出計算機網(wǎng)絡(luò)病毒入侵檢測系統(tǒng)的模型：IDES（入侵檢測專業(yè)系統(tǒng)），這是入侵檢測系統(tǒng)領(lǐng)域中一個非常重要的里程碑。隨后，不同形式的入侵檢測系統(tǒng)被人們提出，如：Discovery、Haystack、MIDAS、NADIR、NSM、Wisdom和Sence、DIDS等。

計算機網(wǎng)絡(luò)病毒入侵檢測系統(tǒng)是監(jiān)測和控制發(fā)生在計算機系統(tǒng)或網(wǎng)絡(luò)系統(tǒng)中所有可能的情況，分析與安全問題有關(guān)的信號，在發(fā)生安全問題時發(fā)送警告，并且通知相關(guān)體系采取措施以降低危險系數(shù)。這個框架由三部分組成，如圖2所示。

圖2　計算機網(wǎng)絡(luò)病毒入侵檢測防御系統(tǒng)

（1）信息采集/數(shù)據(jù)采集：采集的數(shù)據(jù)源在位置上可以分為主機、網(wǎng)絡(luò)、應(yīng)用。

（2）分析引擎：能夠分析是否出現(xiàn)了入侵現(xiàn)象。

（3）回應(yīng)：在分析后采取行動，記錄分析結(jié)果，發(fā)送實時警告，或調(diào)整入侵檢測系統(tǒng)等等。

2.決策樹挖掘

決策樹是一種樹形狀的圖（如圖3所示），與表的結(jié)構(gòu)相似；任何一個內(nèi)部節(jié)點是一個性質(zhì)測試，每一個樹枝代表檢測結(jié)果，最后葉子上的節(jié)點代表不同形式的狀態(tài)分配。在分類樹中最基本以及最常用的運算法則是ID3和C4.5。這是兩種建立樹的方法，從下到上樹的結(jié)構(gòu)和從下到上修剪，ID3和C4.5都屬于從下到上樹的結(jié)構(gòu)；它們的運算法則表述如下：x1+ x2= x。

圖3　決策樹圖形

3.關(guān)聯(lián)規(guī)則挖掘

筆者主要探索網(wǎng)絡(luò)關(guān)聯(lián)中病毒防御，在一系列網(wǎng)絡(luò)站點中，關(guān)聯(lián)規(guī)則基于一個水平的數(shù)據(jù)設(shè)置，設(shè)置I=｛i1，i2，……in｝為欄目，則T=｛T1，T2，……Tn｝為處理值設(shè)置，則每個Ti?I。一個處理值Ti得出欄目set X?I，只要當(dāng)時X?Ti。關(guān)聯(lián)規(guī)則作用形式為X?Y（X∩Y=0）帶著支持和信心，假設(shè)在T中處理值c%為X∪Y和c%。其中c%包含X和Y。公式算法如下：

依據(jù)上式，關(guān)聯(lián)規(guī)則挖掘主要是依據(jù)規(guī)則的支持來獲取數(shù)據(jù)的統(tǒng)計和預(yù)測。

4.EM群集

通過上式可以有效地計算群集之間的值，并且在基于網(wǎng)絡(luò)大數(shù)據(jù)的范圍內(nèi)進行預(yù)測和發(fā)表。

5.頻域挖掘

本技術(shù)使用基于水平的數(shù)值來進行加密，描述公式如下：

6.樸素貝斯葉（Na?ve Bayes classifiers）

在數(shù)據(jù)挖掘技術(shù)的方法中，貝斯葉是一種有效的算法，它可以很好地從任務(wù)的分類中進行區(qū)劃，比較成功地應(yīng)用于醫(yī)學(xué)領(lǐng)域和零售商領(lǐng)域的數(shù)據(jù)挖掘和檢測保護。

這個方法可以有效地應(yīng)用于數(shù)據(jù)挖掘的防御病毒中。

7.模型建立

隨著計算機網(wǎng)絡(luò)的發(fā)展，以及互聯(lián)網(wǎng)金融、電子商務(wù)等領(lǐng)域大數(shù)據(jù)平臺的建設(shè)和推廣，越來越多的平臺使用數(shù)據(jù)挖掘技術(shù)來進行網(wǎng)絡(luò)的檢測、防御和保護以及主動對病毒進行攻擊。從2013年到2015年電商淘寶網(wǎng)和京東商城，以及支付寶、京東白條等互聯(lián)網(wǎng)金融，都先后應(yīng)用數(shù)據(jù)挖掘技術(shù)進行數(shù)據(jù)的檢測模塊建設(shè)和大數(shù)據(jù)檢驗防護，以及算法的應(yīng)用。

參考文獻：

［1］Jiawei Han，Micheline Kamber.Data Mining：Concepts and Techniques［M］.New York∶Morgan Kaufmann Publishers，2001∶7.

［2］陳小輝.基于數(shù)據(jù)挖掘的入侵檢測技術(shù)研究［D］.中國優(yōu)秀碩士學(xué)位論文全文數(shù)據(jù)庫，2010.

［3］陳偉，彭文靈，楊敏.基于數(shù)據(jù)挖掘的入侵檢測系統(tǒng)中挖掘效率的研究［J］贛南師范學(xué)院學(xué)報，2003（6）.

［中圖分類號］TP308

［文獻標(biāo)識碼］A

［文章編號］1673- 0046（2016）4- 0174- 03