期刊文献+

基于网络行为模糊模式识别的蠕虫检测方法

Worm Detection Method Based on Fuzzy Pattern Recognition to Network Behaviors
下载PDF
导出
摘要 网络蠕虫攻击由于危害大、攻击范围广、传播速度快而成为因特网危害最大的攻击方式之一。如何有效地检测网络蠕虫攻击是当前网络安全研究领域的一个重要方向。通过对网络蠕虫攻击行为的分析和研究,提出了一种根据蠕虫爆发时产生的典型网络行为来检测未知蠕虫的方法。该算法通过分别学习正常主机和受感染主机的网络行为建立相应的标准分类模糊子集,然后利用模糊模式识别法判定待测主机是否感染蠕虫。最后进行实验验证,结果表明,该方法对未知扫描类蠕虫有较好的检测效果。 Worms have been one range of victims and fast spread. of the most serious threats to Internet How to detect network worm attack is security due to the significant damage, large an important aspect of network security re- search area. This article proposed a method which detects worms by analyzing and studying typical network behaviors while worms burst out. The algorithm studies the network behaviors of normal and abnormal computer separately, es- tablishes standard fuzzy subsets of classification, and judges if the observation computer infects worms by utilizing fuzzy pattern recognition method. Finally, the experiment with the worm applications in the real world proves that this method is able to detect unknown scanning worms preferably.
出处 《计算机科学》 CSCD 北大核心 2013年第6期108-110,115,共4页 Computer Science
基金 江苏省高校自然科学研究项目(10KJB520020) 国家863计划项目(2007AA01Z448) 江苏省科技支撑计划基金项目(BE2008124)资助
关键词 蠕虫 检测 模糊模式识别 网络行为 Worm, Detection, Fuzzy pattern recognition, Network behavior
  • 相关文献

参考文献9

  • 1Chen Yu-feng,Dong Ya-bo,Lu Dong-ming,et al.Detecting randomly scanning worms based on heavy tailed property[C]//Proc.of 2005 IEEE International Conference on Networking,Sensing and Control.Orlando,Florida,2005:354-358.
  • 2Robertson S,Siegel E V,Miller M,et al.Surveillance detection in high bandwidth environments[C]//Proc.of DARPA DISCEX 111 Conefrence.2003:130-139.
  • 3Jung J,Paxson V,Begrer A W,et al.Fast Portscan detection using sequential hypothesis testing[C]//Proc.of the IEEE Symposium on Security and Privacy.2004:211-225.
  • 4付文,魏博,赵荣彩,庞建民.基于模糊推理的程序恶意性分析模型研究[J].通信学报,2010,31(1):44-50. 被引量:8
  • 5刘向杰,夏靖波,柴天佑.一类基于正态分布隶属函数的模糊控制策略研究[J].控制与决策,1998,13(4):365-368. 被引量:9
  • 6顾雨婕.用于行为分析反木马的模糊分类算法研究[D].杭州:浙江工业大学,2008.
  • 7Moskovitch R,Elovici Y,Rokach L.Detection of unknown computer worms based on behavioral classification of the host[J].Computational Statistics & Data Analysis,2008,52 (9):4544-4566.
  • 8李晶皎,赵丽红,王爱侠.模式识别[M].北京:北京电子工业出版社,2010.
  • 9况晓辉,黄敏桓,许飞.网络蠕虫实验环境构建技术研究[J].计算机科学,2010,37(7):54-56. 被引量:4

二级参考文献30

共引文献18

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部