天擎黑客作者必读资料2(1/11)

异常检测

在异常检测中，观察到的不是已知的入侵行为，而是所研究的通信过程中的异常现象，它通过检测系统的行为或使用情况的变化来完成。在建立该模型之前，先必须建立统计概率模型，明确所观察对象的正常情况，然后决定在何种程度上将一个行为标为“异常”，并如何做出具体决策。

异常检测只能识别出那些与正常过程有较大偏差的行为，而无法知道具体的入侵情况。由于对各种网络环境的适应性不强，且缺乏精确的判定准则，异常检测经常会出现虚警情况。

异常检测可以通过以下系统实现。

自学习系统

自学习系统通过学习事例构建正常行为模型，又可分为时序和非时序两种。

（2）编程系统

该类系统需要通过编程学习如何检测确定的异常事件，从而让用户知道什么样的异常行为足以破坏系统的安全。编程系统可以再细分为描述统计和缺省否认两种。

异常检测ids分类如表所示。

2滥用检测

在滥用检测中，入侵过程模型及它在被观察系统中留下的踪迹是决策的基础。所以，可事先定义某些特征的行为是非法的，然后将观察对象与之进行比较以做出判别。

滥用检测基于已知的系统缺陷和入侵模式，故又称特征检测。它能够准确地检测到某些特征的攻击，但却过度依赖事先定义好的安全策略，所以无法检测系统未知的攻击行为，从

而产生漏警。

滥用检测通过对确知决策规则编程实现，可以分为以下四种：

状态建模：它将入侵行为表示成许多个不同的状态。如果在观察某个可疑行为期间，所有状态都存在，则判定为恶意入侵。状态建模从本质上来讲是时间序列模型，可以再

细分为状态转换和petri网，前者将入侵行为的所有状态形成一个简单的遍历链，后者将所有状态构成一个更广义的树形结构的petri网。

（2）专家系统：它可以在给定入侵行为描述规则的情况下，对系统的安全状态进行推理。一般情况下，专家系统的检测能力强大，灵活性也很高，但计算成本较高，通常以降低

执行度为代价。

（3）串匹配：它通过对系统之间传输的或系统自身产生的文本进行子串匹配实现。该方法灵活性欠差，但易于理解，目前有很多高效的算法，其执行度很快。

（4）基于简单规则:类似于专家系统，但相对简单一些，故执行度快。

滥用检测ids分类如表2所示。

3混合检测

近几年来，混合检测日益受到人们的重视。这类检测在做出决策之前，既分析系统的正常行为，同时还观察可疑的入侵行为，所以判断更全面、准确、可靠。它通常根据系统的正

常数据流背景来检测入侵行为，故而也有人称其为“启式特征检测”。

eelee从数据挖掘得到启示，开出了一个混合检测器ripper。它并不为不同的入侵行为分别建立模型，而是先通过大量的事例学习什么是入侵行为以及什么是系统的正常

行为，现描述系统特征的一致使用模式，然后再形成对异常和滥用都适用的检测模型。

根据系统特征分类

作为一个完整的系统，ids显然不应该只包括检测器，它的很多系统特征同样值得认真研究。为此，将以下一些重要特征作为分类的考虑因素。

检测时间：有些系统以实时或近乎实时的方式检测入侵活动，而另一些系统在处理审计数据时则存在一定的延时。一般的实时系统可以对历史审计数据进行离线操作，系统就能

够根据以前保存的数据重建过去生的重要安全事件。

2数据处理的粒度：有些系统采用了连续处理的方式，而另一些系统则在特定的时间间隔内对数据进行批处理操作，这就涉及到处理粒度的问题。它跟检测时间有一定关系，但二

者并不完全一样，一个系统可能在相当长的时延内进行连续数据处理，也可以实时地处理少量的批处理数据。

3审计数据来源：主要有两种来源：网络数据和基于主机的安全日志文件。后者包括操作系统的内核日志、应用程序日志、网络设备（如路由器和防火墙）日志等。

4入侵检测响应方式：分为主动响应和被动响应。被动响应型系统只会出告警通知，将生的不正常情况报告给管理员，本身并不试图降低所造成的破坏，更不会主动地对攻击

者采取反击行动。主动响应系统可以分为两类：

对被攻击系统实施控制。它通过调整被攻击系统的状态，阻止或减轻攻击影响，例如断开网络连接、增加安全日志、杀死可疑进程等。

（2）对攻击系统实施控制的系统。这种系统多被军方所重视和采用。

目前，主动响应系统还比较少，即使做出主动响应，一般也都是断开可疑攻击的网络连接，或是阻塞可疑的系统调用，若失败，则终止该进程。但由于系统暴露于拒绝服务攻击

下，这种防御一般也难以实施。

5数据收集地点：审计数据源可能来自某单一节点，也可能来自于网络中多个分布式节点。

数据处理地点：审计数据可以集中处理，也可以分布处理。

7安全性：指系统本身的抗攻击能力。

8互操作性：不同的ids运行的操作系统平台往往不一样，其数