当前位置: 首页 > backend >正文

04 网络信息内容安全--入侵检测技术

1 课程内容

  • 网络信息内容获取技术
  • 网络信息内容预处理技术
  • 网络信息内容过滤技术
  • 社会网络分析技术
  • 异常流量检测技术
  • 对抗攻击技术

2 入侵检测技术

2.1 入侵检测技术概述

被动安全防御技术的不足:

  • 防火墙:80%以上的攻击来源于组织内部;串联的工作方式使其无法进行复杂的检测
  • 安全访问控制:黑客可以通过身份窃取、利用系统漏洞等手段绕开安全访问控制机制

入侵检测技术的产生:

  • 作为一种积极主动的安全防护技术,对各种被动防护技术起到了极其有益的补充
  • 它从计算机网络或计算机系统中的若干关键点处收集信息,并对其分析,从中发现网络或系统中是否有违反安全策略的行为或被攻击的迹象

在这里插入图片描述

  • 策略:是模型的核心,具体的实施过程中,策略意味着网络安全要达到的目标
  • 防护:安全规章、安全配置、安全措施
  • 检测:异常监视、模式发现
  • 响应:报告、记录、反应、恢复

2.2 入侵检测步骤

在这里插入图片描述

信息收集

系统日志:日志文件中记录了各种行为类型及每种类型的不同信息

文件异常改变:具有重要信息的文件和私有数据文件被异常改动

程序执行异常行为:包括OS、网络服务用户启动的程序等,每个执行的程序由一个或多个进程来实现

物理形式入侵信息:未授权的网络硬件连接,对物理资源的未授权访问

数据分析

模式匹配: 将收集信息与已知网络入侵数据库进行比较,以发现异常

  • 优点:只收集相关数据集合,减少系统负担,技术成熟,检测准确率高
  • 弱点:无法检测到从未出现过的攻击手段,需要不断升级

统计分析:统计正常测量属性平均值,观测检测值是否在正常值范围之外

  • 优点:可检测到未知的入侵和更为复杂的入侵
  • 缺点:误报、漏报率高,且不适应用户正常行为的突然改变

完整性分析:关注某个文件或对象是否被更改,包括文件和目录的内容及属性。

  • 优点:能发现攻击导致文件或其他对象的改变
  • 缺点:不能实时响应,一般以批处理方式实现

检测响应

  • 将分析结果记录在日志文件中,并产生相应的报告
  • 触发警报,如在系统管理员的桌面上产生一个告警标记位,向系统管理员发送传呼或电子邮件等等
  • 修改入侵检测系统或目标系统,如终止进程、切断攻击者的网络连接,或更改防火墙配置等

2.3 入侵检测分类

在这里插入图片描述

误用入侵检测系统

在这里插入图片描述

误用入侵检测又称为基于知识的检测或者特征检测

  • 其建立在对已知入侵攻击方法和系统缺陷的知识积累上,建立起一个较为完备的知识数据库
  • 检测时,将待检测行为事件的触发信息在数据库中进行匹配,发现符合要求的就会产生报警

优点:算法简单,系统开销小,准确率高,效率高
缺点:只能检测出已知攻击,模式库要不断更新

异常入侵检测系统

在这里插入图片描述

  • 异常检测的假设是入侵者活动异常于正常主体的活动,建立正常活动的“活动简档”,当前主体的活动违反其统计规律时,认为可能是“入侵”行为
  • 异常检测是较为常见的入侵检测方式

优点:可以检测未知的攻击
缺点:适应性不强,误报较多

2.4 入侵检测实例

在这里插入图片描述
在这里插入图片描述聚类中没有任何指导信息,完全按照数据的分布进行类别划分

http://www.xdnf.cn/news/18803.html

相关文章:

  • 依托边缘计算方案,移动云全面化解算力、效率、安全平衡难题
  • from中烟科技翼支付 面试题2
  • 高频面试题:说一下线程池吧?(线程池原理,核心参数,创建方式,应用场景都要说到才能让面试官心服口服)
  • Pytorch深度学习(小土堆)
  • Java 企业应用单点登录(SSO)实现方案详解
  • 如何对springboot mapper 编写单元测试
  • Ansible 文件管理与 Jinja2 模板全解析:从模块应用到动态配置生成
  • 由倍讯科技研制的CCLinkIE转ModbusTCP网关,可达成与脉冲计数器的连接
  • JVM分层编译深度解析:完整机制与实践指南
  • 《零基础入门AI:长短期记忆网络(LSTM)与门控循环单元(GRU)(原理、结构与实现)》
  • 【大前端】实现一个前端埋点SDK,并封装成NPM包
  • 【机械故障】旋转机械故障引起的振动信号调制效应概述
  • 在线教育系统源码助力教培转型:知识付费平台开发的商业实践
  • 达索 Enovia 许可管理技术白皮书:机制解析与智能优化实践
  • 面试 总结(1)
  • 项目集升级:顶部导览优化、字段自定义、路线图双模式、阶段图掌控、甘特图升级、工作量优化、仪表盘权限清晰
  • 31.Encoder-Decoder(Seq2Seq)
  • Docker详细学习
  • 【Protues仿真】定时器
  • 构建智能提示词工程师:LangGraph 的自动化提示词生成流程
  • [在实践中学习] 中间件理论和方法--Redis
  • WPF基于LiveCharts2图形库,实现:折线图,柱状图,饼状图
  • Python爬虫实战:研究开源的高性能代理池,构建电商数据采集和分析系统
  • Pycharm
  • ​告别复杂计划!日事清推出脑图视图,支持节点拖拽与聚焦模式,让项目管理更直观​
  • MySQL 入门
  • 虚幻5引擎:我们是在创造世界,还是重新发现世界?
  • 基于SpringBoot的摄影跟拍约拍预约系统【2026最新】
  • [CS创世SD NAND征文] CS创世CSNP1GCR01-AOW在运动控制卡中的高可靠应用
  • 神经网络参数量计算详解