网络ARP伪装攻击过滤方法研究与仿真

针对网络攻击优化识别,研究网络ARP攻击过滤问题,提高网络攻击过滤的准确性。由于网络攻击过滤过程,都是以攻击特征分类的结果作为过滤的基础的,但是ARP网络攻击会发生特征伪装行为,形成和正常的数据相似的特征,造成过滤攻击特征时,很难准确分类,过滤ARP攻击准确度不高的问题。为了解决上述问题,提出一种改进的代价敏感决策树的ARP伪装攻击分类方法。以代价减少的多少为衡量标准进行ARP伪装攻击分类的迭代计算。通过结点分裂属性的选择,对伪装攻击进行识别分类。克服传统方法的弊端。实验结果表明,改进方法能够大幅提高ARP欺骗攻击分类结果的准确性,降低分类错误率,取得了很好的效果。