基于PCA和隨機(jī)樹(shù)的數(shù)據(jù)庫(kù)異常訪問(wèn)檢測(cè)算法

　　數(shù)據(jù)庫(kù)作為數(shù)據(jù)存儲(chǔ)與交互的平臺(tái)，其中包含了機(jī)密與重要信息，是惡意人員攻擊的對(duì)象。外部人員的攻擊可通過(guò)基于角色的權(quán)限控制系統(tǒng)對(duì)未經(jīng)授權(quán)的用戶訪問(wèn)進(jìn)行限制，而來(lái)自內(nèi)部人員的偽裝攻擊往往不易被察覺(jué)。針對(duì)數(shù)據(jù)庫(kù)的訪問(wèn)行為，提出一種基于主成分分析（ Principal Component Analysis，PCA）和隨機(jī)樹(shù)（ Random tree，RT）的異常訪問(wèn)檢測(cè)算法PCA-RT。首先，根據(jù)用戶提交的查詢語(yǔ)句特征構(gòu)造用戶數(shù)據(jù)庫(kù)訪問(wèn)行為輪廓向量;然后，利用PCA算法對(duì)用戶行為輪廓進(jìn)行降維，使用隨機(jī)樹(shù)算法訓(xùn)練異常檢測(cè)器?；谑聞?wù)處理性能委員會(huì)（ Transaction Processing Performance Council，TPC）組織發(fā)布的新代數(shù)據(jù)庫(kù)性能評(píng)測(cè)標(biāo)準(zhǔn)TPCE構(gòu)造實(shí)驗(yàn)數(shù)據(jù)集，提取較為全面的用戶數(shù)據(jù)庫(kù)訪問(wèn)行為輪廓特征向量。仿真實(shí)驗(yàn)結(jié)果表明，使用PCA算法對(duì)數(shù)據(jù)的約簡(jiǎn)達(dá)到35%以上，PCA-RT算法的精確率和召回率分別提高了1.78%和9.76%，從而證明了用戶行為輪廓向量構(gòu)造方法和PCA-RT算法對(duì)TPCE數(shù)據(jù)庫(kù)用戶訪問(wèn)行為的異常檢測(cè)是有效的。