許彩滇， 劉曉麗

(中國刑事警察學(xué)院網(wǎng)絡(luò)犯罪偵查系， 遼寧沈陽 110035)

0 引言

隨著網(wǎng)絡(luò)交互的增多，記錄用戶網(wǎng)絡(luò)行為的數(shù)據(jù)(以下稱網(wǎng)絡(luò)行為數(shù)據(jù))呈現(xiàn)數(shù)據(jù)量大、類別繁多、分布稀疏等特點(diǎn)。同時(shí)，當(dāng)前的網(wǎng)絡(luò)入侵行為取證主要依賴于人工統(tǒng)計(jì)分析及提取[1]，或者人工操作取證軟件進(jìn)行取證。因此，面對(duì)復(fù)雜、量大、證據(jù)價(jià)值分散的網(wǎng)絡(luò)行為數(shù)據(jù)，當(dāng)前的網(wǎng)絡(luò)入侵行為取證方法往往要耗費(fèi)大量人力和時(shí)間，操作人員須具備豐富的工作經(jīng)驗(yàn)，才能合理完整地分析行為數(shù)據(jù)的自身及整體性規(guī)律，提煉整合分散的網(wǎng)絡(luò)入侵行為信息。

針對(duì)上述問題，提出一種基于改進(jìn)K-means算法的網(wǎng)絡(luò)入侵行為取證方法，利用神經(jīng)網(wǎng)絡(luò)及機(jī)器學(xué)習(xí)減少取證過程的人力、時(shí)間及經(jīng)驗(yàn)依賴，提升網(wǎng)絡(luò)入侵行為取證效率。該方法首先預(yù)處理待取證的網(wǎng)絡(luò)行為數(shù)據(jù)，去除冗余信息，并向量化網(wǎng)絡(luò)行為信息，將網(wǎng)絡(luò)行為信息集合映射為特征向量集，再利用改進(jìn)K-means算法對(duì)特征向量集進(jìn)行歸類，實(shí)現(xiàn)網(wǎng)絡(luò)行為數(shù)據(jù)的歸類自動(dòng)化。然后，基于已知IP的入侵行為信息，關(guān)聯(lián)出具有同種入侵行為的未知用戶IP及其入侵情況，并完整地發(fā)現(xiàn)已知入侵IP的具體入侵情況及相關(guān)行為，實(shí)現(xiàn)入侵行為間的關(guān)聯(lián)取證。

1 網(wǎng)絡(luò)行為信息預(yù)處理及向量化

網(wǎng)絡(luò)行為除了正常的網(wǎng)絡(luò)行為外，包含著拒絕訪問服務(wù)(DOS)、身份欺騙、垃圾搜尋、漏洞利用等入侵行為。本文以常見的分布式拒絕訪問服務(wù)(DDOS)入侵行為作為研究對(duì)象，選用Linux系統(tǒng)中的用戶認(rèn)證日志Auth.log[2]作為網(wǎng)絡(luò)行為數(shù)據(jù)集。該網(wǎng)絡(luò)行為數(shù)據(jù)集包含正常網(wǎng)絡(luò)行為信息、DDOS入侵行為信息和入侵相關(guān)行為信息，Auth.log的網(wǎng)絡(luò)行為信息示例見表1。

為使網(wǎng)絡(luò)行為信息能夠被神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)算法理解歸類及關(guān)聯(lián)提取，需要在取證前對(duì)網(wǎng)絡(luò)行為信息中的文本內(nèi)容進(jìn)行向量化表達(dá)，將文本信息映射為多維數(shù)值型特征向量，使算法能夠以向量間的相似度衡量網(wǎng)絡(luò)行為間的相似度[3]，為基于改進(jìn)K-means算法的網(wǎng)絡(luò)入侵行為取證提供基礎(chǔ)。

網(wǎng)絡(luò)行為信息中存在時(shí)間記錄、用戶IP記錄和行為描述信息，這3部分內(nèi)容是取證分析和關(guān)聯(lián)的主要依據(jù)。其中，行為描述信息代表著網(wǎng)絡(luò)行為的具體屬性。在取證前，應(yīng)對(duì)這3部分的信息進(jìn)行分別提取保存，既便于在關(guān)聯(lián)提取階段依據(jù)時(shí)間和用戶IP對(duì)入侵行為進(jìn)行取證，又便于直接利用行為描述進(jìn)行向量化。然而，網(wǎng)絡(luò)行為描述中存在部分無關(guān)信息，如無關(guān)標(biāo)點(diǎn)符號(hào)及停用詞等，且這些信息會(huì)干擾網(wǎng)絡(luò)行為向量化的準(zhǔn)確表達(dá)。因此，在向量化網(wǎng)絡(luò)行為信息前，應(yīng)對(duì)部分無關(guān)信息進(jìn)行處理去除。

1.1 信息提取保存

分別提取網(wǎng)絡(luò)行為信息的時(shí)間、用戶IP和行為描述，便于接下來去除無關(guān)信息、向量化、關(guān)聯(lián)及提取等。利用Python的re模塊和正則表達(dá)式語句，搜索和記錄每條網(wǎng)絡(luò)行為信息中的時(shí)間和用戶IP，并保留對(duì)應(yīng)的網(wǎng)絡(luò)行為描述，將結(jié)果記錄在信息存儲(chǔ)列表list。上述過程見圖1。

圖1 網(wǎng)絡(luò)行為信息提取保存

1.2 去除網(wǎng)絡(luò)行為描述的無關(guān)符號(hào)

無關(guān)的標(biāo)點(diǎn)符號(hào)被空格符替代去除后，便于統(tǒng)一分詞及減少冗余信息。由于日志auth.log的每條行為描述以英文記錄，網(wǎng)絡(luò)行為描述的單詞多以空格間隔開，少部分被符號(hào)(如“，”“：”等)隔開，為了便于分詞及去停用詞，利用Python的replace函數(shù)將無關(guān)符號(hào)替換為空格，如圖2所示。

圖2 無關(guān)符號(hào)的去除

1.3 網(wǎng)絡(luò)行為描述分詞及去停用詞

由于神經(jīng)網(wǎng)絡(luò)向量化模型是以詞匯為單位構(gòu)建特征向量的[4]，故對(duì)網(wǎng)絡(luò)行為描述進(jìn)行分詞。停用詞是一種無特別含義且能在多種不同行為描述共存的冗余詞匯，分詞后進(jìn)行去除，能夠提升向量化模型的運(yùn)算速度，以及特征向量的準(zhǔn)確度。在每條行為描述去除無關(guān)符號(hào)后，每條行為描述的詞匯以空格間隔排列。因此，利用Python的split函數(shù)，基于空格對(duì)每條行為描述進(jìn)行分詞。然后，參照常用的英文停用詞匯表，檢查每條行為描述中是否存在停用詞，若有則去除，僅保留非停用詞，上述過程如圖3所示。

圖3 分詞及去停用詞過程

1.4 向量化網(wǎng)絡(luò)行為描述

網(wǎng)絡(luò)行為信息本質(zhì)上是一種文本信息，其可以通過詞袋模型或者神經(jīng)網(wǎng)絡(luò)模型，基于網(wǎng)絡(luò)行為信息集合全局和單個(gè)信息局部進(jìn)行特征向量構(gòu)建，實(shí)現(xiàn)每個(gè)網(wǎng)絡(luò)行為信息映射出相應(yīng)的特征向量。常見的詞袋模型有One-hot Representation和TF-IDF等[5]，但詞袋模型構(gòu)建的特征向量缺少詞序信息的反映，不能夠準(zhǔn)確表達(dá)網(wǎng)絡(luò)行為信息的特征。而神經(jīng)網(wǎng)絡(luò)模型的出現(xiàn)，使基于詞義和詞序構(gòu)建特征向量，變得準(zhǔn)確可行。

PV-DM[6]是一種基于神經(jīng)網(wǎng)絡(luò)向量化文本信息的模型，其能夠準(zhǔn)確快速生成包含詞義和詞序信息的特征向量，且使特征向量間的關(guān)系反映出對(duì)應(yīng)文本間的關(guān)系。該模型利用單層神經(jīng)網(wǎng)絡(luò)以及隨機(jī)梯度下降，訓(xùn)練詞義向量和詞序向量，并基于詞義向量和詞序向量，通過梯度上升計(jì)算出句向量[7]。其中，詞義向量記錄單個(gè)詞義信息，由于各句子間大概率存在相同的詞匯，使得詞義信息會(huì)在各句子間交叉共享，具有全局關(guān)聯(lián)性；詞序向量記錄詞序信息，不與其他句子交叉共享，具有獨(dú)立唯一性[8]。如圖4所示，每一個(gè)句子被映射為一個(gè)固定長度的詞序向量，并作為矩陣D的一列；每一個(gè)詞也被映射為一個(gè)固定長度的詞義向量，并作為矩陣W的一列，然后模型以求平均或首尾相連的方法組合這些矩陣[9]。

圖4 PV-DM向量化網(wǎng)絡(luò)行為描述

2 在網(wǎng)絡(luò)入侵行為取證中應(yīng)用改進(jìn)的K-means算法

2.1 K-means算法與網(wǎng)絡(luò)入侵行為取證

網(wǎng)絡(luò)入侵行為取證主要分為3個(gè)過程：網(wǎng)絡(luò)行為信息預(yù)處理、網(wǎng)絡(luò)行為信息屬性判斷歸類、網(wǎng)絡(luò)入侵行為信息關(guān)聯(lián)提取。而K-means算法作為一種常用的數(shù)據(jù)聚類算法[10]，其能夠通過聚合相似度較高的數(shù)據(jù)集群，實(shí)現(xiàn)數(shù)據(jù)屬性判斷及歸類，是一種基于數(shù)據(jù)的網(wǎng)絡(luò)行為信息分析方法。因此，在網(wǎng)絡(luò)行為信息預(yù)處理后，K-means算法可應(yīng)用于網(wǎng)絡(luò)入侵行為取證中的信息分析過程，實(shí)現(xiàn)網(wǎng)絡(luò)行為信息屬性判斷歸類，為接下來的入侵行為信息關(guān)聯(lián)提取提供基礎(chǔ)。

然而，在網(wǎng)絡(luò)入侵行為取證中的信息分析過程中，K-means算法不能直接對(duì)網(wǎng)絡(luò)行為信息進(jìn)行判斷歸類，而是在網(wǎng)絡(luò)行為信息集合映射為相應(yīng)的特征向量集后，對(duì)特征向量集進(jìn)行聚類。由于網(wǎng)絡(luò)行為信息集合映射為相應(yīng)的特征向量集后，特征向量集內(nèi)各向量的關(guān)系等同于網(wǎng)絡(luò)行為信息集合內(nèi)各網(wǎng)絡(luò)行為間的關(guān)系[11]，所以特征向量集的聚類結(jié)果即為網(wǎng)絡(luò)行為信息集合的聚類結(jié)果。基于K-means算法的網(wǎng)絡(luò)行為信息分析算法步驟如下：

Step1：在特征向量集data中隨機(jī)選取K個(gè)初始簇中心Ci(i=1,…,K);

Step2：計(jì)算每個(gè)向量與簇中心Ci的余弦相似度cosθ；

Step3：將每個(gè)向量劃分到與其相似度最大的簇中心Ci，聚合成簇；

Step5：循環(huán)Step2～Step4，當(dāng)簇中心不再改變時(shí)，結(jié)束聚類；

當(dāng)K-means聚類結(jié)束后，算法判斷出每一類網(wǎng)絡(luò)行為，并將同一類網(wǎng)絡(luò)行為劃分進(jìn)同一個(gè)簇內(nèi)。

2.2 改進(jìn)K-means算法

現(xiàn)實(shí)中，網(wǎng)絡(luò)行為信息條目數(shù)通常是以萬為單位計(jì)數(shù)的。當(dāng)K-means算法應(yīng)用于分析大樣本量的網(wǎng)絡(luò)行為信息集合時(shí)，其K值(即網(wǎng)絡(luò)行為的種類數(shù)目)難以依靠人為經(jīng)驗(yàn)準(zhǔn)確判斷出來[12]。若K值的預(yù)設(shè)值過小，K-means算法會(huì)將兩個(gè)或兩個(gè)以上的不同類網(wǎng)絡(luò)行為判斷為同一類行為，造成錯(cuò)誤的分析結(jié)果，進(jìn)而會(huì)導(dǎo)致網(wǎng)絡(luò)入侵行為信息關(guān)聯(lián)提取不準(zhǔn)確。同時(shí)，K-means聚類的初始簇中心是隨機(jī)選取的，這為聚類結(jié)果帶來隨機(jī)性[13]，這將間接引起網(wǎng)絡(luò)入侵行為取證結(jié)果不穩(wěn)定。顯然，若取證結(jié)果不穩(wěn)定，該網(wǎng)絡(luò)入侵行為取證方法則不具有應(yīng)用價(jià)值，其結(jié)果將無法滿足訴訟過程的要求。

針對(duì)上述K-means算法的不足，本文提出一種以凝聚態(tài)中心為初始聚類中心的K-means算法。該改進(jìn)的K-means算法，首先以處于凝聚態(tài)中心(即在各數(shù)據(jù)子集中向量間相似度和最大)的向量作為初始聚類中心，并默認(rèn)凝聚態(tài)中心的數(shù)目等于K值。然后，計(jì)算每個(gè)向量與各簇中心的相似度，將每個(gè)向量劃分到相似度最大的簇中心。并且，經(jīng)過多次迭代聚類和均值化更新簇中心后，能實(shí)現(xiàn)簇的優(yōu)化修正，保證聚類結(jié)果的準(zhǔn)確性。

2.3 改進(jìn)的K-means算法步驟

Step1：制作特征向量集data的副本向量集copydata；

Step2：將向量集copydata中的每條記錄視作一個(gè)向量，計(jì)算每個(gè)向量Xi與其他向量Xj的余弦相似度cosθij；

Step4：將COSi值最大的向量Xmax作為簇的初始中心，即Ci=Xmax；

此次研究抽取的胃潰瘍患者76例,收治時(shí)間為2016年3月至2017年3月。將所有患者依據(jù)治療方法的差異性均分研究和參照兩組,患者各38例。研究組中,男性患者、女性患者分別為21例、17例,最大年齡為73歲,最小年齡為21歲,中位年齡統(tǒng)計(jì)后為(53.48士7.36)歲。參照組中,男性患者、女性患者分別為25例、13例,最大年齡為74歲,最小年齡為22歲,中位年齡統(tǒng)計(jì)后為(54.19士7.40)歲。在統(tǒng)計(jì)軟件SPSS19.0中將研究組和參照組胃潰瘍患者的基本信息輸入,組間差異呈P>0.05,則表示數(shù)據(jù)結(jié)果不具有統(tǒng)計(jì)學(xué)意義。

Step5：計(jì)算初始簇中心Ci的凸點(diǎn)相似度cosmin；

Step6：以Ci為圓心，將大于凸點(diǎn)相似度cosmin的向量從向量集copydata中去除；

Step7：循環(huán)Step2～Step6，直到簇中心數(shù)不再變化；

Step8：將Step2～Step7過程中得到的簇中心作為初始的聚類中心；

Step9：在向量集data中，計(jì)算每個(gè)向量到各個(gè)聚類中心的余弦相似度cosθ；

Step10：將每個(gè)向量劃分與其相似度最大的簇中心，聚合成簇；

Step11：計(jì)算同一個(gè)簇所有向量的均值，將此均值點(diǎn)更新為新的簇中心；

Step12：迭代循環(huán)Step9～Step11，當(dāng)簇中心不再改變時(shí)，結(jié)束聚類過程；

Step13：為每個(gè)簇的向量標(biāo)記類別號(hào)，輸出各類的向量集datasetj及各類的中心向量Ci。

凸點(diǎn)相似度cosmin：首先計(jì)算向量xi與其他向量xj的余弦相似度cosθij，將相似度集{j=1,…,n(j≠i)|cosθij}從大到小排序,得到新的相似度集{1≤m≤(n-1)|cosθm}；然后以相似度集{1≤m≤(n-1)|cosθm}作“m-cosθm”曲線圖(橫坐標(biāo)為cosθm的序號(hào)m，縱坐標(biāo)為相似度cosθm)；最后以最小二乘法的曲線擬合原理，利用三次方程擬合“m-cosθm”二維曲線；并利用一階求導(dǎo)得出曲線凸點(diǎn)對(duì)應(yīng)的縱坐標(biāo)值，此值為凸點(diǎn)相似度cosmin。

3 基于改進(jìn)K-means算法進(jìn)行網(wǎng)絡(luò)入侵行為取證

3.1 利用改進(jìn)K-means算法歸類及發(fā)現(xiàn)已知入侵行為的類

待取證的網(wǎng)絡(luò)行為數(shù)據(jù)集經(jīng)過預(yù)處理和向量化后，得到PV-DM模型，并且從該模型中導(dǎo)出每個(gè)網(wǎng)絡(luò)行為信息對(duì)應(yīng)的特征向量，構(gòu)成待取證行為向量集。然后，將該向量集輸入改進(jìn)K-means算法中，使該向量集自動(dòng)劃分為不同類別的子集dataseti，并得到各類別的中心向量Ci，如圖5所示。

在具有已知網(wǎng)絡(luò)入侵行為的情況下，可利用歸類過程中產(chǎn)生的PV-DM向量化模型及歸類結(jié)果，發(fā)現(xiàn)已知入侵行為的類。首先，預(yù)處理已知網(wǎng)絡(luò)入侵行為信息，輸入PV-DM模型中訓(xùn)練得到該入侵行為的特征向量n。然后，計(jì)算向量n與各類中心向量Ci的余弦相似度，判斷出與向量n最相似的j類中心Ci，并在歸類結(jié)果中找到j(luò)類的向量集datasetj，如圖6所示。最后，基于向量和網(wǎng)絡(luò)行為信息一一對(duì)應(yīng)的關(guān)系，利用向量集datasetj發(fā)現(xiàn)待取證的網(wǎng)絡(luò)行為數(shù)據(jù)集中已知入侵行為的類。

圖5 待取證網(wǎng)絡(luò)行為數(shù)據(jù)歸類

圖6 發(fā)現(xiàn)已知行為的類

3.2 網(wǎng)絡(luò)入侵行為信息的關(guān)聯(lián)與提取

在發(fā)現(xiàn)的已知入侵行為類中，利用各向量與已知入侵行為向量n的相似度對(duì)類中的網(wǎng)絡(luò)行為向量重新排序，實(shí)現(xiàn)行為間的關(guān)聯(lián)，進(jìn)而讓入侵嫌疑越大的行為往前排列，便于取證人員判斷提取，然后在已知入侵行為類中提取所有未知IP，實(shí)現(xiàn)具有入侵行為的未知IP被及時(shí)發(fā)現(xiàn)，如圖7所示。

圖7 j類入侵行為的未知IP關(guān)聯(lián)提取

對(duì)網(wǎng)絡(luò)入侵的行為往往不止單次，并且可能附帶其他類別的入侵行為。為了完整地對(duì)所有入侵行為進(jìn)行取證，一是需要發(fā)現(xiàn)同一入侵類別下某入侵IP的所有入侵行為，按時(shí)間線輸出；二是判斷入侵IP是否有其他類別入侵相關(guān)行為。

發(fā)現(xiàn)同一入侵類別下某入侵IP的所有入侵行為。在發(fā)現(xiàn)的已知入侵行為類中，對(duì)照信息存儲(chǔ)列表list，將某入侵IP的網(wǎng)絡(luò)行為信息抽取出來，然后按時(shí)間排列，輸出保存為該IP的已知入侵行為集合。

判斷入侵IP是否有其他類別入侵相關(guān)行為。首先，在信息存儲(chǔ)列表list中，將某入侵IP的網(wǎng)絡(luò)行為信息抽取出來，去除已知類別的入侵行為信息，然后取證人員對(duì)剩余信息進(jìn)行判斷，若發(fā)現(xiàn)入侵IP有其他類別入侵行為，判斷這些類別行為所屬的具體數(shù)據(jù)子集，進(jìn)行提取保存。此時(shí)，其他類別入侵相關(guān)行為由未知轉(zhuǎn)化為已知，可利用這些入侵行為信息和上述的歸類、發(fā)現(xiàn)、關(guān)聯(lián)方法，發(fā)現(xiàn)同類的入侵行為集和未知的入侵IP，提升發(fā)現(xiàn)網(wǎng)絡(luò)入侵行為的能力。

同時(shí)，在利用改進(jìn)K-means算法歸類待取證網(wǎng)絡(luò)行為數(shù)據(jù)后，取證人員可以直接判斷各類網(wǎng)絡(luò)行為信息集合是否為入侵類別。對(duì)于入侵類別的網(wǎng)絡(luò)行為信息集合，取證人員可對(duì)照信息存儲(chǔ)列表list，提取其中的IP、時(shí)間和具體入侵行為。

4 實(shí)驗(yàn)驗(yàn)證

4.1 實(shí)驗(yàn)過程

為驗(yàn)證的有效性，采用Linux系統(tǒng)中的用戶認(rèn)證日志Auth.log作為網(wǎng)絡(luò)行為數(shù)據(jù)集，該用戶認(rèn)證日志記錄86 939條用戶登陸連接行為信息。已知的入侵行為信息假設(shè)為“Nov 30 17:47:58 ip-172-31-27-153 sshd[22964]: Invalid user avconroot from 218.26.11.118”。

日志Auth.log經(jīng)過預(yù)處理和向量化后，得到信息儲(chǔ)存列表list及PV-DM向量化模型，并從PV-DM中導(dǎo)出日志Auth.log中各條記錄的特征向量。然后，將這些特征向量作為數(shù)據(jù)集合輸入改進(jìn)的K-means算法中進(jìn)行歸類，得到8類網(wǎng)絡(luò)行為數(shù)據(jù)子集，以及各數(shù)據(jù)子集的中心向量。

將實(shí)驗(yàn)假設(shè)的已知入侵行為信息導(dǎo)入PV-DM向量化模型，得到已知入侵行為向量n。然后計(jì)算向量n與各中心向量的相似度，將相似度最大的中心對(duì)應(yīng)的第5類數(shù)據(jù)子集導(dǎo)出，并且計(jì)算向量n與第5類數(shù)據(jù)子集中各向量的相似度，接著按相似度從大到小對(duì)第5類數(shù)據(jù)子集重新排序。

最后，基于歸類關(guān)聯(lián)結(jié)果和信息儲(chǔ)存列表list進(jìn)行統(tǒng)計(jì)分析，對(duì)入侵行為信息進(jìn)行關(guān)聯(lián)提取。

4.2 實(shí)驗(yàn)結(jié)果

在完成已知入侵行為的數(shù)據(jù)子集(即第5類)發(fā)現(xiàn)后，提取其中的所有用戶IP地址及其對(duì)應(yīng)的入侵次數(shù)，然后排除已知IP(218.26.11.118)，得到第5類數(shù)據(jù)子集未知入侵IP情況，如表2所示。該結(jié)果是通過已知IP的具體入侵行為信息，關(guān)聯(lián)出具有同種入侵行為的且取證人員未知的入侵IP及其具體入侵次數(shù)，便于取證人員發(fā)現(xiàn)未知入侵IP，也利于取證中的定性和定量分析。

表2 第5類數(shù)據(jù)子集的部分入侵IP情況

同時(shí)，在已知入侵行為的數(shù)據(jù)子集(即第5類)中，顯示已知IP(218.26.11.118)共進(jìn)行108次入侵，并呈現(xiàn)出短間隔的時(shí)間規(guī)律，如表3所示。該結(jié)果可表明IP(218.26.11.118)以多次惡意連接進(jìn)行入侵，具體的入侵規(guī)律、次數(shù)和行為信息可作為其入侵行為的證明。

表3 部分已知IP(218.26.11.118)的入侵時(shí)間分布

在信息儲(chǔ)存列表list中排除已知IP(218.26.11.118)的第5類行為信息后，查看list中已知IP的其他行為，發(fā)現(xiàn)有其他兩類入侵相關(guān)行為：主動(dòng)斷開連接、IP及其主機(jī)名反解析，在聚類算法歸類結(jié)果中分別屬于第2和第4類。由此可判斷第2及第4類是入侵相關(guān)行為的數(shù)據(jù)子集，可進(jìn)一步在第2和第4類中關(guān)聯(lián)發(fā)現(xiàn)未知入侵IP，提取相關(guān)入侵信息。

表4 已知IP(218.26.11.118)的其他入侵相關(guān)行為

綜上所述，基于改進(jìn)K-means算法進(jìn)行網(wǎng)絡(luò)入侵行為取證，能夠利用聚類算法自動(dòng)判斷行為屬性進(jìn)行行為歸類，使得取證人員能夠基于已知行為關(guān)聯(lián)提取未知用戶IP及其入侵情況，并且保證完整提取到已知或未知IP的入侵情況，提高了取證效率。

5 結(jié)語

基于改進(jìn)K-means算法的網(wǎng)絡(luò)入侵行為取證研究，根據(jù)網(wǎng)絡(luò)行為數(shù)據(jù)環(huán)境行為多變、數(shù)據(jù)量大等特點(diǎn)，構(gòu)建自適應(yīng)準(zhǔn)確設(shè)置初始聚類中心的K-means算法，使網(wǎng)絡(luò)行為數(shù)據(jù)自動(dòng)合理地按行為屬性歸類，可替代取證過程中人為判斷歸類的過程。同時(shí)，基于改進(jìn)K-means算法的網(wǎng)絡(luò)入侵行為取證思路，提升關(guān)聯(lián)分析數(shù)據(jù)的效率和完整性。然而，發(fā)現(xiàn)已知入侵IP的其他相關(guān)行為仍依賴于人工判斷，并且存在誤判的可能。因此，下一步的研究將通過網(wǎng)絡(luò)行為特征向量間的關(guān)系，使算法自動(dòng)判斷出其他相關(guān)行為，進(jìn)一步提高取證效率。