基于欧氏距离和余弦相似度特征选择的入侵检测模型

基 于欧 氏距离和余 弦相似度特征选择 的入侵检测模 型　

吴桂 玲

’

（ 济大学 同 软件学院 天津市塘沽区市 政工程局） 　

摘要 ： 现今 ， 数据挖掘技术 已经广泛用于各个领域， 得到社会各界的普遍　 事实上 ， 入侵检测系统还有一些不足 ， 特别是误用检测对未知攻　 关注。 在入侵检测系统中， 数据挖掘也 已 经成 为了数据采集的主要技术手段。 击不能进行有效 的防范。 　 支持 向量机、 神经 网络、 模式识 别、 专家系统　 特征选择则是入侵检测 系统中数据挖掘 的关键 ， 因为特征选择的好坏会直接　

等一些人工智能技术和数据挖掘 的应用 ，使得入侵检测系统得到大　

影响到 系统的检 测精度。 本文提出 了 基于 欧氏距离和余弦相似度 的特征选择　 幅 改 善 。 　

１２ 欧 氏距 离　 ＿ 欧氏距离最多 的应用是对距离的测度。 大多情 况下 ， 人们谈到距　 率， 提高入侵检测性能。 　 离的时候 ， 都会很自然 的想到欧氏距离。从数学的角度来讲， 欧氏距　 关键 词： 入侵检测系统 数据挖掘 特征选择　 离或欧式测度实际上就是两点间的距离。 』：　 ，２ 。… ， 和点　 点 ４ （ Ｘ， ， ‰） 　 ０ 引 言　 （ ， 　， 　 ） 　 　， …， 之间的欧 氏距离定 义如式（ ） 示。 １所 　 近年来 ， 网络用户数量持续高速增长 ， 全球大约有超过 １ ４亿人　

的特征子集 ， 为网络入侵检测建立模 型。同时 ， 该方法能够有效地降低误报　

＝

方法 。 这种 方法 很 容 易 实现 ， 且 实 验 结果 表 明 ， 方 法 能够 提 取 出一 个 完 备　 而 该

在使用网络。 同时， 越来越 多的人们也遭 受着各种 网络安全问题 的威　 （ Ｂ √ 　） （ 　） （一 ） … ｆ 　） ｜ ） （ 　 　一 ： Ｌ ３　 ＋ ４ ＝ 　一 ＋ ， ＋Ｙ 　 ＋ 　一 　 ｊ 胁。入侵者利用计算机 网络系统 的漏洞和传统 网络安全技术 的不足　 １ 余 弦相 似 度　 ． ３ 实施入侵行为 ， 我们现在所用到的防火墙 、 杀毒软件、 信息加密、 网络　 余弦相似度是测量两个 ｎ维 向量 之间相似度 的一种 常见 方法 。 　 安全协议等技术 已经不能完全有效地保证计算机 网络 系统 的安全。 　 余弦相似度在多种领域都有所涉及， 如文本挖掘、 信息检索等。 　 入侵检测 系统能够监 听网络 ，并察觉网络入侵行为或有违网络安全　 给 定 两 个 向量 Ａ＝　 ，： 。… ， 和 曰 （　 ２ ３… ，２ ）３ 　 两　 （ 　 ， ， ‰） ＝ ｙ， １ ， １ 　 　， 　 Ｙ　 　是 　 策 略 的行 为 ， 网 络 异 常行 为 、 权 用 户 的越 权 行 为 和 恶 意 攻 击等 。 如 授 　 ｄ 义为 ： 　

个 向量 之 间的 夹 角 ， 么 两 个 向量 之 间 的 余弦 相 似 度 就定 　 ｐ 　 Ｓ　 那 因此 ， 入侵检测技术作为对传统网络安全技术的弥补 ， 到了社会各　 得 界 的 广泛 重 视 。 　 ｓ （ 　 １ ｏ ６ ｛Ｂ 　 　 Ｂ ＝ｃ ｓ￣ ．　 ４ 　 Ｃ 　Ｄ ） 　 数据挖掘的成功 引入 ， 大大提 高了入侵检测 系统 的检 测性能。 而　 一 　 数据挖掘却极大地依赖于特征 的选择。一般使用机器学 习的方法进　 行特征选择，特征选择技术就是为建立学 习模型选择原始数据的关　 １４ 数 据 集　 ． 键特征子集。 　 本 文采 用 的数据 集 是 Ｋ Ｄ Ｃ ’９数 据集 ，它是 １ ９ Ｄ 　 ＵＰ ９ ９ ８年　 本文正是要利用欧氏距离和余弦相似度来进行特征选择 ，使得　 Ｄ Ｐ ＡＲ Ａ入侵 检测评估项 目中所选 用的数据特 征。这个项 目是由麻　 入侵检测系统用较低维度 的样本特征代表更 多网络连接 的信息量 。 　 省理工学 院林 肯实验室和 美国国防部高 级研 究计划局 发起和进 行　 １背景　 目的是观察和评估入侵检测系统 的研究工作， 用一套标； 隹格式的　 数据挖掘技术 的发 展使得 网络数据 的捕获和存取 变得更加简　 的， 数据 来评估各种入侵检测 系统 的性能。１ ９ 　 ９年 Ｋ ９ ＤＤ （ ｎ ｗｌ ｇ 　 Ｋｏ ｅ ｅ ｄ 单、 有效 ， 而如何为实际应用 系统将大量 的数据转换 为可用的信息数　 Ｄｓ ｏ ｅｙ ｉ Ｄ ｔｂ ｓ ｓ ｉｃ ｖ ｒ　ｎ ａａ ａ ｅ ）竞赛 中在数据挖掘和入侵检 测方面的网 　 　 据成为了新 的挑战。 　 络 数 据 也 是采 用这 种 格 式 。 Ｄ Ｐ 评 估 项 目从 遵 循 上 述 要 点 的仿　 ＡＲ Ａ 数据挖掘一个 关键 的任务就 是根据决 策进 行特征 的提取与选　 Ｃ ＤＵ 　 择。在文本分类、 网络信息采集等领域 ， 许多研 究者都将降维技术 引 真网络环境 中了采集 ９个星期的 Ｔ Ｐ ＭＰ格 式的网络连接数据， 　 其 中含 有 ５ ０万 条 用 于 训 练 的 Ｔ ＰＩ 接 记 录和 ２ ０万 条用 于 测　 ０ Ｃ／ Ｐ连 ０ 入到机器学 习和数据挖掘 中，而数据降维技术也往往会用到特征 的　 试 的连 接 记 录 （ 个连 接大 约 １ ０ ｙｅ　 　 每 ０ ｂ ｔｓ ｏ 选择。这样处理 不仅能够减 少特征数量 ， 快速建立模型 ， 而且还可以　 此数据集将每一 条 Ｔ ＰＩ Ｃ／ Ｐ连接作 为一个样本 ， 每一个样 本又都　 帮助系统去除一些无 关信息、 冗余信息和噪声信息。 这就使我们能够　 由 ４ 个特征给与描述 ， 中包括基本属性 ９个 ， １ 其 内容属性 １ ３个 ， 流　 建 立 更加 简 单 、 效 的 分 类模 型 ， 高 分 类器 的 分类　 ｎ 。 有 提

Ｉ ￣ 因此 ， 键　 － ￣ 关 量属性 ９个以及主机流量属性 １ Ｏ个 。表 １给出了网络连接记录 中 　 属性的选择不论是对完善分类器 ， 还是对数据降维都是至关重要的。 　 ４ 维 属 性 特征 。 １ 　 在本文 中， 了改进入侵检测的检测性 能 ， 为 我们　 表 １ 网络 连 接 的 ４ １维 属 性 特 征　 将应用欧氏距离和余弦相似度进行特征选择。 　

　 Ｉ

（　 ２ ）

１１入 侵 检 测　 ．

本属性集　

内容属性集　

时间流量属性集　

主机流量 属性集　

现今主要有基于主机 的和基于 网络的两种形式　 的入 侵 检 测 系统 。 在 基 于 网络 的 入 侵 检 测 系统　

１ ｈ ｔＣ　 ０．ｏ 　

＿ —

２ ｃ ｕｎ　 ３．ｏ ｔ Ｃ　

—

１　 ｕ 　 ｎ ｍ ｆ ｌｄ ＩｇｉｓＣ ２ ｓｖ ｃ ｕｎ　 　 １ ａｉ ｅ ｏ ｎ 　 ４．ｒ ｏ ｔＣ

１ 　 ｇ 　ｎＤ 　 ｌ ｅｄｉ　 　 ２ ｏｇ

２ ｓ ｒｏｒｒ ｔ　 　 ５．ｅ ｒ ａｅ Ｃ

＿

（ Ｉ Ｓ） ， 统 对 从 网 络 中捕 获 的数 据 包 进 行 分析 ， ＮＤ 中 系 　 会检测到企 图绕过防火墙侵入 系统内部 的数据包 ， ４ｆ ｇ Ｄ 并　 ．ｌ 　 　 ａ １＿ ｍ ｃ 　 ｎｕ ３ ｏｍ ｐ ｏ ｉ ｅ 　 ｒｍ ｓ ｄ Ｃ　 对其进行响应处理。而在基于主机 的入侵检 测系统　 　 ｒｏ ４ ｈ ｌ 　 （ Ｉ Ｓ） ， 统 是 通 过 单 个 主 机 上 日志 文件 或 者 日 ５． Ｆ ｂ ｅｓＣ　 １ 　ｏ ｔ ｓ ｅｌＤ　 ＨＤ 中 系 　 Ｓ Ｃ ｙｔ 　 志数据库进行检测的。入侵检测技术主要有两种 ： 异　 ｙｅｓＣ 　 Ｓ ５ ｔｅ ｅ 　 　 ２ 　ｒ ｒ ｒ ８ ｓｖ ｅｒ ｏｒ ６ｄ ｔ ｂ ｔ 　 　 １ 　 Ｕ ａｔ ｍ ｔ ｄ Ｄ ．ｓ 常检测和误用检测。 　 异常检 测通 过设定正常行为模式 的偏离值 来判　 ｖ ７ ｌ ｄＤ　 　 ａｎ 　 １　 ｕ ６ ｎ ｍ　ｒ ｔＣ ｏｏ　 　 ２ 　 ａｍｅ ｓｒ ９ｓ 断是否有入侵发生。在这里 ， 我们假定所 有的入侵行　

— — — ＿ — — — — —

一一 一～ 一 一 一

．

ｒｔ　 　 ａ ｅＣ

—

ｒ ｔ　 　 ａｅ Ｃ

为和越权行为都 是偏离正常系统模式范围的。 异常检　 ｍｅ ｔ　 ｎＣ 测的优 点是 ，它能够检测到几乎所有来 自外部 的攻　 ９ ｕｇｅ ｔＣ　 　ｒ ｎ　 击， 漏报率较低 ； 缺点就是 ， 它对于来 自内部 的攻击却　

是 无能 为力 。 用检 测是 通 过 对 已知攻 击进 行 特 征 提　 误 取 ， 立模 型 ， 行 匹配 判定 的。 误 用 检 测 的优 点 是 ， 建 进 　 只 要出现攻 击特征库 里的行为 ， 就判定 为入侵 ， 误报　

８ ｗｒ ｎｇ ｆａ 　 １ ｎｕ ｂ 　 ｏ 　 ｒｇ 　 ７＿ ｍ ｅｒｆ ｅ ｉ ｌ

—

３ 　 ｉ

ｓｖ ａ ｅＣ　 ０ ｄｆ ｒ　ｒｔ ｆ

— —

—

ｃ ｅ ｔ ｎｓＣ　 ｒａｉ 　 ｏ １ ｎ ｍ　ｓ ｅｌ　 　 ８．ｕ ｈ ｌＣ Ｓ ｃ ｅｓ 　 ｉ ｅｓ 　 １ ． ｍ ａ ｃ ｓ ｆｌ Ｃ 　 ｎｕ ９

—

３１ ｒ 　． ｖ ｓ

～

ｄｆ ｏ ｔｒｔＣ ４ 　 ｓ— ｏ ｔｒｒ ｒｒｔ　　 ｉ Ｌｈ ｓ—ａｅ 　 ０ｄ ｔｈ ｓ—ｅｒ ＿ａｅＣ ｏ

４１ｄｓ ｈ ｓ ｓｒ 　 ｔ ｏｔ ｖ

— ． — — —

ｒ ｒ ｒ ｅｒ ｏ

＿

ｒａ 　 ｔｅＣ

２Ｏｎｕ 　 ｍ　ｏ ｔ ｏｕ ｄ ｕｂ ｎ 　

ｃ ｄ　 ｍ ｓ Ｃ　

２１ｉ　ｈ ｓ　Ｉ ｉ　 ． Ｓ ｏ ｔ ｏｇｎＤ　

２２ｌ ｇ ｓ ｌｇ ｎＤ 　 ｉ ｕｅ ｔ ｏ ｉ　 　 ｓ

— ＿ ＿

率较 低 ； 缺点就是 ， 它不能够检测到新 的入侵行 为方　 式或者未知的入侵。 　

２ 　 ３１

２ 基于欧氏距离和余弦相似度的特征选择　

我 国电子商务 中信任 问题研 究综述　

余世 欣　 巫孝 君 （ 成都理工大学工程 技术学院） 　

摘要 ： 近年来， 随着信息通信技术的不断突破 ， 电子商务发展也进入 了黄　

ｄ 　

而　

Ａ　

１１ 电子商务的内涵 由于网络本 身就是新生事物 ， ． 同时又 处于　 金时期。但是， 电子商务中信任问题 已成 为制约电子商务发展的一个重大瓶　 不 断 变化 的过 程 中 ，因此 目前 社 会 各界 对 电子 商务 （ｌｃｒｎｃ Ｅｅ ｔ ｉ ｏ 　 和　 颈 。面对这一问题 ， 多专家、 许 学者都做 了很 多的分析与研究 ， 并提出 了一系　 Ｃ ｍｍｅｃ ） ｏ ｒｅ的定 义并未形成 共识 。由于学界 、 商界有各 自不 同的观　 列 的解决方案、 措施及建议。 本文试图对其做一个系统 的总结 ， 并指 出我国 目 察角度和不同的实践经验 ， 　 曰　 因而在理解和定义 电子商务时有所差别， 　 前对 电子商务信任 问题研究存在的问题及今后 的研究方 向。 　 大 致 可 以概 括 为狭 义 的理 解和 广 义 的理 解 两 种。 义 的 电子 商 务 ， 狭 指　 　　 　 一一 的 卜　 关键词 ： 电子商 务 信 任 研 究　 通过 Ｉ ｅｎ ｔ Ｉ ｒｎ ｔ 行 的在 线 销 售 式 电子 商务 。 它 是通 过 在　 ｎ ｒｅ 或 ｎ ａ ｅ 进 ｔ ｔ Ｏ 引言　 技术 上 、 能 上更 加 拓 展 了的 网 络一 国际 互 联 网 进行 的 ， 更严 格 意　 功 　 一 佘　 从 电子商务是指利用 电信 网络进行 的商务活动。它是计算机信息　 义上规范 的在线产品和劳务 的交易活动 。 广义的 电子商务 ， 泛指运用　 技术开发与运用的产物 ； 代表 了未来经 济发展的方 向； 是人类科技 、 　 现代 电子信息技术 ， 以整个市场为范 围的商务活动。 在技术手段上不　 经济、 文化发展结晶。由于商务网络

环境 大量地充斥着风险、 不确定　 限定 于 国际 互 联 网 ，而是 泛指 一 切 与 数 字化 处理 有 关 的 电子信 息 技　 性而 又 需 要相 互 依 赖 且 愈 加 复 杂 ， 电子 商 务信 任 问题 已成 为 决 定 网　 术、 网络技术以及其他交换、 获得数据的技术 。 在商务 范围方面 ， 也不　 上 交 易成 功 与否 的关 键 因 素 。 电子 商 务信 任 问题 之 所 以显 得 重 要 ， 是　 仅 限于 通 过 互 联 网 进 行 的在 线 式 产 品和 劳务 的交 易 活 动 ， 它还 包 含　 因为电子商务 自身所具有的特征决定 了其面临的不确定性和风险性　 整个 市 场 一 活 动 相 关 的若 干 方面 ， 产 品 设 计 与 生产 、 品和 劳 务 的　 如 产 与传统商务相 比， 现为程度 更高、 围更广 、 表 范 情况 更复 杂。这是 因 　 广告促销 、 易双 方的磋商契约 、 交 产品 的运送 、 货款结算 以及售后服　 为： 第一 ， 与传统商务一样 ， 由于经济行为者 的决策 失误和容 易导致　 务等 。 　 机会主义行 为的买卖双方信 息的不对称分布 ，使得 电子商务易受到　 １ 信任的内涵 近几年来 ， ． ２ 信任的含义一直在各种情境之下被　 交易本身特定 的不确定性和 风险性 的影响。 第二 ， 电子商务受交易者　 思考 。 由于涉及和研究信任现象的领域较 多， 因而存在许多有关信任　 所无法控制的外在 因素的影Ⅱ ，交易所依赖的技术 系统平 台的不确　 向 的观 点 。一 类 是 从社 会学 和 伦 理 学 的 角度 进 行 定 义 。比如 ， 信 任 定　 将 定性和风险性等 ，这种风险是 买卖双 方即使签定协议或合同都难 以　 义为“ 从道德上对合理行为的预期 ， 即以道德原则为基础 的道德上的　 避免的。 　 正确决策和行动” 。另外 ， 从经济学的角度来看 ， 信任是指“ 经济交易　 基于 上述 原 因 ， 电子商 务 信 任 研 究 作 为一 个 单 独 的 研 究 内容 被　 的一 方认 为另 一 方 是 可靠 的 ， 能够 履 行 自 己的 承诺 。 ” 并 　 提 了出来 ， 对它的研 究也越来越引起有 关学者 的重视 ， 本文试图对此　 总 的来 说 ， 以将 信 任概 括 为 ： 可 经济 交 易 的一 方认 为另 一 方 是 可　 领域的国内外研究状况加以梳理。 　 靠 的并且能够履行 自己的承诺。 信任是经济交易活动 中的核心因素 ， 　 １ 概念 　

（ 接 第 ２ １页 ） 上 ３ 　 由于 Ｋ Ｄ Ｃ ’９数据集过于庞大 ，我们在 其中随机分别选　 Ｄ 　 ＵＰ ９ 定义 Ｋ Ｄ Ｃ Ｐ’９数据集 中数据 的 ４ Ｄ　 Ｕ ９ １维特 征分别 为 Ａ ， ， 　　 　 ００ ０ ０ ０数量级的样本作为训练集。 另外 ， 将支持向量机　 ３…，　ｊ

， Ａ １判别标 示 向量 为 Ｂ ４ 。令 Ａ＝｛ ， 码， 　 ） （　 ≤　 择 １ ０ ０和 １ ０ ０ 　 　ｕ物， …， √ １ 下面 　 ４ ）曰 （　Ｙ，３ １ ， ＝ Ｙ ， Ｙ，… ， ） ２ 　 ，其 中 ｎ为参 加 训练 的样 本 个数 ，ｉ 　 作 为 本 次 实 验 的学 习机 器 ， 给 出 各 种 实验 结 果 。 Ｙ∈

｛ ，１Ｊ１ １ 一 ， 表示该连接记录正 常， １ 一 则表示该记录为异常。 　 于　 是　 ，　 和　 ４ 的　 欧　 氏　 距　 离　 为　 ： 　 ｛　Ａ ， ，２ 　Ｂ）ｄ（　Ｂ）… ， （　， ）其中　 如下表示 ： ｄ（　 Ｂ）ｄ（ ， ，３ ３ ， 以　 Ａ Ａ， Ａ 曰） ， 　

（ 　 ３） 弦　 相　 似　 度　 为　 ｛ ｍ１ ， ，ｒ２ 　Ｂ） ｉ ３ ３Ｂ） ，ｉ４ Ａ １ ）其 中　 ｓ （ Ｂ） ｉ （ ２ １ｒ （ 　 　 ｓ １ 　， ， ｉ Ａ１ ｓ Ａ， ｓ Ａ ７ ｅ ｅ ｍ （ ４ Ｂ）

・

—

表 ３ 实 验 结果 对 比　

（ 　

，

∑（ ｊ　 　 　 ）

Ｂ　　 ） ＝ 接

（ 　 ４）

实验结果对 比分析 ： 从表 ３可 以看 出 ， 不论是小规模 训练集检　 测还是大规模训练集检测 ， 经过 ， 训练时 间都大 幅降低 ， 而且都低于　 原来 的三分之一 ， 另外 ， 在检测率上升 的基础上 ， 检测时 间也 有所下　

降。 　

通过实验结果的对比 ， 我们认为 ， 经过基于欧 氏距离和余弦相似　 分别得到欧氏距离和余弦相似度 以后 ，我们将其按 由高到低 的　 度 特征 处理 之后 ，入侵检测 系统的实时性和检测性能都得到了普遍　 顺序进行排序处理 。选择欧 氏距 离和余弦相似度综合指数较高的属　 　 性作为检测特征。在这里 ， 我们一般要在系统中设定一个阈值 ， 综合　 提 高 。 ４ 结 论　 指 数高 于 这 个 阈值 的 ， 我们 保 留其 特 征 ， 则 ， 将 其 舍 弃 。 否 就 　 基于欧 氏距离和余弦相似度 的特征选择方法 ，是通过计 算训练　 ３ 实验 验 证　 集欧氏距离和余弦相似度并对其排序 ， 根据阈值 设定得到 的特征。 经　 通 过 对 实验 结 果 的分 析 ， 该 方 法 进 行评 价 。 对 　 过实验验证 ，基于该特征选择 方法 的入侵检 测系统具有更高的检测　 在本实验中 ，我们通过对实验数据欧 氏距离和余弦相似度的计　 算并排序 ， 根据系统设定 的阈值 ， 选择出参 加训 练的数据特征 ， １　 精度和 实时性能 ，这也进一步体现 了基于欧氏距离和余弦相似度特　 共 ９ 征选择 方法 的优越性和 可行性。 　 维。特征如表 ２所示。 　

表 ２ 实验选择特征　

Ｉ 　 Ｄ ｔｎ ｍａｉ 　 ｏ

ｄｔｂ ｔｓ ｓ　 ｙ ｅ 　 ６ 　

ｐ ｏｏ ｏ １ 　 ｒ ｔｃ ｌ￣ ） ｅ

Ｆａ　 ｌｇ

－ 　

Ｓ ｔｉｅ ｅ， 　 ，ｃ 。

ｌｇ ｄ ｌ ｏ ｇｅ ｊＩ 　

４ 　

８ 　

ｑ ｌ 　 ， 　州 ｅ ｌ Ｃ ＇

参考文献 ： 　 … 曹 元大 入侵检测技术【 北京 人 民邮 电出版社 ，０ ７ Ｍ】 ２０ ． 　

【】 ２边肇祺． 模式识别【 北京 ： Ｍ】 清华大学出版社 ，０ ０ ２０ ． 　 【】 ３刘文涛 网络安全开发包详解ｆ 　Ｅ ： Ｍ】 京 电子工业出版社 ， ０ ５　 ２０．

（ｔ ｓ　 ｒ ｔ　 ｈ　 ｒ ａｅ

９ 　

、 ｓ ｒ Ｏ　ｆ 　 ｅ ｒ ｉ 讲ｅ

ｌ　 ０

ｌ Ｊ 　

ｌ　 ：

［ ］ ｕ ｂ ｉ 　Ａｎｒｔ Ｆ ａ ｕｅ ｅｅ ｔ ｎ ｓｎ 　ｅ ｃｉｅ ｎ ｉ ａ ｃ 　 ４Ｓ ｅ ｓ ｇ ｎ ｉ ，“ ｅ ｔ ｒ　ｓ ｌ ｉ 　ｕ ｉｇ ｕ ｌ ａ 　ｄｓ ｎ ｅ ｕ ｃｏ ｄ ｔ

ａ ｄ ｃ ｓｎ 　ｓｉ ｉ ｒ ｙ ｆ ｒ ｉｔｕ ｉ 　ｄｅ ｅ ｔ 　 ｍ ｏ ｌ Ｐ ｏ ｅｅ ｉｇｓ 一 ｎ 　 ｏ ｉｅ ｍ ｌ ｉ 　 ｏ　 ｎ ｒ ｓｏｎ ａｔ ｔｃｉ ｏｎ ｄｅ”， ｒ ｃ ｄｎ 　

２ ９ 　ｔ ００ 　１ 　Ａｓａ 　Ｃｏ ｆ ｒ ｎ 　ｏ 　Ｉｔ ｌｇｅ ｔ ｎｏｒ ａ ｉｎ ｎ 　Ｄａａ ａｓ 　 ｓ ｉｎ ｎ ｅ ｅ ｃｅ ｎ ｎ ｅｌ ｎ 　Ｉｆ ｍ ｔｏ 　ａ ｄ ｉ ｔｂ ｅ Ｓｙ ｔ ｍ ｓ ｓｅ ，ＡＣＩ 　 ００ Ｉ ＤＳ ２ ９，Ｐ ８ 　 ６—９１ ０ 　 ．２ ０９

ｌ　 ３

ｎ ＝ｆ　 ｏ ｔ 　Ｉ ｌ ｈ ｓ　 ｌ

ｌ　 ４

ｄ ｔ ｈ ｔ ｉｒ ｓ　 ｏｓ ｆ　 　ｄ ｓ ｙ ａｅ ｔ－ｒ ｔ　

１　 ５

ｄ ｔ ｈ ｓ　 ｒｔ ｓ　 ｏ ｔ 、 　 （ ｆ 　 ｓ　 ａ ｅ ｈ ｒ ｈｏ ｔ ｒ ｔ　

ｌ　 ６

ｄｓ ｏ ｔ ｃ Ｙ Ｉ ｔ ｓ　ｓ ｒｏ 　 　ｈ

ｌ　 ’

ｄ ｔ ｈｏ ｔ ｒ ｓ　 ｓ 　ｓ 　

１　 ８

ｔ ｈｏ ｔ ｅ ｌ ｌ 　 ｓ 　ｌ ｌＯ　 ＇

ｒｔ　 ａｅ

１　 ９

（时 ｈ ｓ　 ｖ 【 ｏｔ 　

ｒ Ｉ Ｉ ￣ｔ　 ｅＩＯ　ｌ ｅ ｔ

２ ２ ３ 　

基 于欧 氏距离和余 弦相似度特征选择 的入侵检测模 型　

吴桂 玲

’

（ 济大学 同 软件学院 天津市塘沽区市 政工程局） 　

摘要 ： 现今 ， 数据挖掘技术 已经广泛用于各个领域， 得到社会各界的普遍　 事实上 ， 入侵检测系统还有一些不足 ， 特别是误用检测对未知攻　 关注。 在入侵检测系统中， 数据挖掘也 已 经成 为了数据采集的主要技术手段。 击不能进行有效 的防范。 　 支持 向量机、 神经 网络、 模式识 别、 专家系统　 特征选择则是入侵检测 系统中数据挖掘 的关键 ， 因为特征选择的好坏会直接　

等一些人工智能技术和数据挖掘 的应用 ，使得入侵检测系统得到大　

影响到 系统的检 测精度。 本文提出 了 基于 欧氏距离和余弦相似度 的特征选择　 幅 改 善 。 　

１２ 欧 氏距 离　 ＿ 欧氏距离最多 的应用是对距离的测度。 大多情 况下 ， 人们谈到距　 率， 提高入侵检测性能。 　 离的时候 ， 都会很自然 的想到欧氏距离。从数学的角度来讲， 欧氏距　 关键 词： 入侵检测系统 数据挖掘 特征选择　 离或欧式测度实际上就是两点间的距离。 』：　 ，２ 。… ， 和点　 点 ４ （ Ｘ， ， ‰） 　 ０ 引 言　 （ ， 　， 　 ） 　 　， …， 之间的欧 氏距离定 义如式（ ） 示。 １所 　 近年来 ， 网络用户数量持续高速增长 ， 全球大约有超过 １ ４亿人　

的特征子集 ， 为网络入侵检测建立模 型。同时 ， 该方法能够有效地降低误报　

＝

方法 。 这种 方法 很 容 易 实现 ， 且 实 验 结果 表 明 ， 方 法 能够 提 取 出一 个 完 备　 而 该

在使用网络。 同时， 越来越 多的人们也遭 受着各种 网络安全问题 的威　 （ Ｂ √ 　） （ 　） （一 ） … ｆ 　） ｜ ） （ 　 　一 ： Ｌ ３　 ＋ ４ ＝ 　一 ＋ ， ＋Ｙ 　 ＋ 　一 　 ｊ 胁。入侵者利用计算机 网络系统 的漏洞和传统 网络安全技术 的不足　 １ 余 弦相 似 度　 ． ３ 实施入侵行为 ， 我们现在所用到的防火墙 、 杀毒软件、 信息加密、 网络　 余弦相似度是测量两个 ｎ维 向量 之间相似度 的一种 常见 方法 。 　 安全协议等技术 已经不能完全有效地保证计算机 网络 系统 的安全。 　 余弦相似度在多种领域都有所涉及， 如文本挖掘、 信息检索等。 　 入侵检测 系统能够监 听网络 ，并察觉网络入侵行为或有违网络安全　 给 定 两 个 向量 Ａ＝　 ，： 。… ， 和 曰 （　 ２ ３… ，２ ）３ 　 两　 （ 　 ， ， ‰） ＝ ｙ， １ ， １ 　 　， 　 Ｙ　 　是 　 策 略 的行 为 ， 网 络 异 常行 为 、 权 用 户 的越 权 行 为 和 恶 意 攻 击等 。 如 授 　 ｄ 义为 ： 　

个 向量 之 间的 夹 角 ， 么 两 个 向量 之 间 的 余弦 相 似 度 就定 　 ｐ 　 Ｓ　 那 因此 ， 入侵检测技术作为对传统网络安全技术的弥补 ， 到了社会各　 得 界 的 广泛 重 视 。 　 ｓ （ 　 １ ｏ ６ ｛Ｂ 　 　 Ｂ ＝ｃ ｓ￣ ．　 ４ 　 Ｃ 　Ｄ ） 　 数据挖掘的成功 引入 ， 大大提 高了入侵检测 系统 的检 测性能。 而　 一 　 数据挖掘却极大地依赖于特征 的选择。一般使用机器学 习的方法进　 行特征选择，特征选择技术就是为建立学 习模型选择原始数据的关　 １４ 数 据 集　 ． 键特征子集。 　 本 文采 用 的数据 集 是 Ｋ Ｄ Ｃ ’９数 据集 ，它是 １ ９ Ｄ 　 ＵＰ ９ ９ ８年　 本文正是要利用欧氏距离和余弦相似度来进行特征选择 ，使得　 Ｄ Ｐ ＡＲ Ａ入侵 检测评估项 目中所选 用的数据特 征。这个项 目是由麻　 入侵检测系统用较低维度 的样本特征代表更 多网络连接 的信息量 。 　 省理工学 院林 肯实验室和 美国国防部高 级研 究计划局 发起和进 行　 １背景　 目的是观察和评估入侵检测系统 的研究工作， 用一套标； 隹格式的　 数据挖掘技术 的发 展使得 网络数据 的捕获和存取 变得更加简　 的， 数据 来评估各种入侵检测 系统 的性能。１ ９ 　 ９年 Ｋ ９ ＤＤ （ ｎ ｗｌ ｇ 　 Ｋｏ ｅ ｅ ｄ 单、 有效 ， 而如何为实际应用 系统将大量 的数据转换 为可用的信息数　 Ｄｓ ｏ ｅｙ ｉ Ｄ ｔｂ ｓ ｓ ｉｃ ｖ ｒ　ｎ ａａ ａ ｅ ）竞赛 中在数据挖掘和入侵检 测方面的网 　 　 据成为了新 的挑战。 　 络 数 据 也 是采 用这 种 格 式 。 Ｄ Ｐ 评 估 项 目从 遵 循 上 述 要 点 的仿　 ＡＲ Ａ 数据挖掘一个 关键 的任务就 是根据决 策进 行特征 的提取与选　 Ｃ ＤＵ 　 择。在文本分类、 网络信息采集等领域 ， 许多研 究者都将降维技术 引 真网络环境 中了采集 ９个星期的 Ｔ Ｐ ＭＰ格 式的网络连接数据， 　 其 中含 有 ５ ０万 条 用 于 训 练 的 Ｔ ＰＩ 接 记 录和 ２ ０万 条用 于 测　 ０ Ｃ／ Ｐ连 ０ 入到机器学 习和数据挖掘 中，而数据降维技术也往往会用到特征 的　 试 的连 接 记 录 （ 个连 接大 约 １ ０ ｙｅ　 　 每 ０ ｂ ｔｓ ｏ 选择。这样处理 不仅能够减 少特征数量 ， 快速建立模型 ， 而且还可以　 此数据集将每一 条 Ｔ ＰＩ Ｃ／ Ｐ连接作 为一个样本 ， 每一个样 本又都　 帮助系统去除一些无 关信息、 冗余信息和噪声信息。 这就使我们能够　 由 ４ 个特征给与描述 ， 中包括基本属性 ９个 ， １ 其 内容属性 １ ３个 ， 流　 建 立 更加 简 单 、 效 的 分 类模 型 ， 高 分 类器 的 分类　 ｎ 。 有 提

Ｉ ￣ 因此 ， 键　 － ￣ 关 量属性 ９个以及主机流量属性 １ Ｏ个 。表 １给出了网络连接记录 中 　 属性的选择不论是对完善分类器 ， 还是对数据降维都是至关重要的。 　 ４ 维 属 性 特征 。 １ 　 在本文 中， 了改进入侵检测的检测性 能 ， 为 我们　 表 １ 网络 连 接 的 ４ １维 属 性 特 征　 将应用欧氏距离和余弦相似度进行特征选择。 　

　 Ｉ

（　 ２ ）

１１入 侵 检 测　 ．

本属性集　

内容属性集　

时间流量属性集　

主机流量 属性集　

现今主要有基于主机 的和基于 网络的两种形式　 的入 侵 检 测 系统 。 在 基 于 网络 的 入 侵 检 测 系统　

１ ｈ ｔＣ　 ０．ｏ 　

＿ —

２ ｃ ｕｎ　 ３．ｏ ｔ Ｃ　

—

１　 ｕ 　 ｎ ｍ ｆ ｌｄ ＩｇｉｓＣ ２ ｓｖ ｃ ｕｎ　 　 １ ａｉ ｅ ｏ ｎ 　 ４．ｒ ｏ ｔＣ

１ 　 ｇ 　ｎＤ 　 ｌ ｅｄｉ　 　 ２ ｏｇ

２ ｓ ｒｏｒｒ ｔ　 　 ５．ｅ ｒ ａｅ Ｃ

＿

（ Ｉ Ｓ） ， 统 对 从 网 络 中捕 获 的数 据 包 进 行 分析 ， ＮＤ 中 系 　 会检测到企 图绕过防火墙侵入 系统内部 的数据包 ， ４ｆ ｇ Ｄ 并　 ．ｌ 　 　 ａ １＿ ｍ ｃ 　 ｎｕ ３ ｏｍ ｐ ｏ ｉ ｅ 　 ｒｍ ｓ ｄ Ｃ　 对其进行响应处理。而在基于主机 的入侵检 测系统　 　 ｒｏ ４ ｈ ｌ 　 （ Ｉ Ｓ） ， 统 是 通 过 单 个 主 机 上 日志 文件 或 者 日 ５． Ｆ ｂ ｅｓＣ　 １ 　ｏ ｔ ｓ ｅｌＤ　 ＨＤ 中 系 　 Ｓ Ｃ ｙｔ 　 志数据库进行检测的。入侵检测技术主要有两种 ： 异　 ｙｅｓＣ 　 Ｓ ５ ｔｅ ｅ 　 　 ２ 　ｒ ｒ ｒ ８ ｓｖ ｅｒ ｏｒ ６ｄ ｔ ｂ ｔ 　 　 １ 　 Ｕ ａｔ ｍ ｔ ｄ Ｄ ．ｓ 常检测和误用检测。 　 异常检 测通 过设定正常行为模式 的偏离值 来判　 ｖ ７ ｌ ｄＤ　 　 ａｎ 　 １　 ｕ ６ ｎ ｍ　ｒ ｔＣ ｏｏ　 　 ２ 　 ａｍｅ ｓｒ ９ｓ 断是否有入侵发生。在这里 ， 我们假定所 有的入侵行　

— — — ＿ — — — — —

一一 一～ 一 一 一

．

ｒｔ　 　 ａ ｅＣ

—

ｒ ｔ　 　 ａｅ Ｃ

为和越权行为都 是偏离正常系统模式范围的。 异常检　 ｍｅ ｔ　 ｎＣ 测的优 点是 ，它能够检测到几乎所有来 自外部 的攻　 ９ ｕｇｅ ｔＣ　 　ｒ ｎ　 击， 漏报率较低 ； 缺点就是 ， 它对于来 自内部 的攻击却　

是 无能 为力 。 用检 测是 通 过 对 已知攻 击进 行 特 征 提　 误 取 ， 立模 型 ， 行 匹配 判定 的。 误 用 检 测 的优 点 是 ， 建 进 　 只 要出现攻 击特征库 里的行为 ， 就判定 为入侵 ， 误报　

８ ｗｒ ｎｇ ｆａ 　 １ ｎｕ ｂ 　 ｏ 　 ｒｇ 　 ７＿ ｍ ｅｒｆ ｅ ｉ ｌ

—

３ 　 ｉ

ｓｖ ａ ｅＣ　 ０ ｄｆ ｒ　ｒｔ ｆ

— —

—

ｃ ｅ ｔ ｎｓＣ　 ｒａｉ 　 ｏ １ ｎ ｍ　ｓ ｅｌ　 　 ８．ｕ ｈ ｌＣ Ｓ ｃ ｅｓ 　 ｉ ｅｓ 　 １ ． ｍ ａ ｃ ｓ ｆｌ Ｃ 　 ｎｕ ９

—

３１ ｒ 　． ｖ ｓ

～

ｄｆ ｏ ｔｒｔＣ ４ 　 ｓ— ｏ ｔｒｒ ｒｒｔ　　 ｉ Ｌｈ ｓ—ａｅ 　 ０ｄ ｔｈ ｓ—ｅｒ ＿ａｅＣ ｏ

４１ｄｓ ｈ ｓ ｓｒ 　 ｔ ｏｔ ｖ

— ． — — —

ｒ ｒ ｒ ｅｒ ｏ

＿

ｒａ 　 ｔｅＣ

２Ｏｎｕ 　 ｍ　ｏ ｔ ｏｕ ｄ ｕｂ ｎ 　

ｃ ｄ　 ｍ ｓ Ｃ　

２１ｉ　ｈ ｓ　Ｉ ｉ　 ． Ｓ ｏ ｔ ｏｇｎＤ　

２２ｌ ｇ ｓ ｌｇ ｎＤ 　 ｉ ｕｅ ｔ ｏ ｉ　 　 ｓ

— ＿ ＿

率较 低 ； 缺点就是 ， 它不能够检测到新 的入侵行 为方　 式或者未知的入侵。 　

２ 　 ３１

２ 基于欧氏距离和余弦相似度的特征选择　

我 国电子商务 中信任 问题研 究综述　

余世 欣　 巫孝 君 （ 成都理工大学工程 技术学院） 　

摘要 ： 近年来， 随着信息通信技术的不断突破 ， 电子商务发展也进入 了黄　

ｄ 　

而　

Ａ　

１１ 电子商务的内涵 由于网络本 身就是新生事物 ， ． 同时又 处于　 金时期。但是， 电子商务中信任问题 已成 为制约电子商务发展的一个重大瓶　 不 断 变化 的过 程 中 ，因此 目前 社 会 各界 对 电子 商务 （ｌｃｒｎｃ Ｅｅ ｔ ｉ ｏ 　 和　 颈 。面对这一问题 ， 多专家、 许 学者都做 了很 多的分析与研究 ， 并提出 了一系　 Ｃ ｍｍｅｃ ） ｏ ｒｅ的定 义并未形成 共识 。由于学界 、 商界有各 自不 同的观　 列 的解决方案、 措施及建议。 本文试图对其做一个系统 的总结 ， 并指 出我国 目 察角度和不同的实践经验 ， 　 曰　 因而在理解和定义 电子商务时有所差别， 　 前对 电子商务信任 问题研究存在的问题及今后 的研究方 向。 　 大 致 可 以概 括 为狭 义 的理 解和 广 义 的理 解 两 种。 义 的 电子 商 务 ， 狭 指　 　　 　 一一 的 卜　 关键词 ： 电子商 务 信 任 研 究　 通过 Ｉ ｅｎ ｔ Ｉ ｒｎ ｔ 行 的在 线 销 售 式 电子 商务 。 它 是通 过 在　 ｎ ｒｅ 或 ｎ ａ ｅ 进 ｔ ｔ Ｏ 引言　 技术 上 、 能 上更 加 拓 展 了的 网 络一 国际 互 联 网 进行 的 ， 更严 格 意　 功 　 一 佘　 从 电子商务是指利用 电信 网络进行 的商务活动。它是计算机信息　 义上规范 的在线产品和劳务 的交易活动 。 广义的 电子商务 ， 泛指运用　 技术开发与运用的产物 ； 代表 了未来经 济发展的方 向； 是人类科技 、 　 现代 电子信息技术 ， 以整个市场为范 围的商务活动。 在技术手段上不　 经济、 文化发展结晶。由于商务网络

环境 大量地充斥着风险、 不确定　 限定 于 国际 互 联 网 ，而是 泛指 一 切 与 数 字化 处理 有 关 的 电子信 息 技　 性而 又 需 要相 互 依 赖 且 愈 加 复 杂 ， 电子 商 务信 任 问题 已成 为 决 定 网　 术、 网络技术以及其他交换、 获得数据的技术 。 在商务 范围方面 ， 也不　 上 交 易成 功 与否 的关 键 因 素 。 电子 商 务信 任 问题 之 所 以显 得 重 要 ， 是　 仅 限于 通 过 互 联 网 进 行 的在 线 式 产 品和 劳务 的交 易 活 动 ， 它还 包 含　 因为电子商务 自身所具有的特征决定 了其面临的不确定性和风险性　 整个 市 场 一 活 动 相 关 的若 干 方面 ， 产 品 设 计 与 生产 、 品和 劳 务 的　 如 产 与传统商务相 比， 现为程度 更高、 围更广 、 表 范 情况 更复 杂。这是 因 　 广告促销 、 易双 方的磋商契约 、 交 产品 的运送 、 货款结算 以及售后服　 为： 第一 ， 与传统商务一样 ， 由于经济行为者 的决策 失误和容 易导致　 务等 。 　 机会主义行 为的买卖双方信 息的不对称分布 ，使得 电子商务易受到　 １ 信任的内涵 近几年来 ， ． ２ 信任的含义一直在各种情境之下被　 交易本身特定 的不确定性和 风险性 的影响。 第二 ， 电子商务受交易者　 思考 。 由于涉及和研究信任现象的领域较 多， 因而存在许多有关信任　 所无法控制的外在 因素的影Ⅱ ，交易所依赖的技术 系统平 台的不确　 向 的观 点 。一 类 是 从社 会学 和 伦 理 学 的 角度 进 行 定 义 。比如 ， 信 任 定　 将 定性和风险性等 ，这种风险是 买卖双 方即使签定协议或合同都难 以　 义为“ 从道德上对合理行为的预期 ， 即以道德原则为基础 的道德上的　 避免的。 　 正确决策和行动” 。另外 ， 从经济学的角度来看 ， 信任是指“ 经济交易　 基于 上述 原 因 ， 电子商 务 信 任 研 究 作 为一 个 单 独 的 研 究 内容 被　 的一 方认 为另 一 方 是 可靠 的 ， 能够 履 行 自 己的 承诺 。 ” 并 　 提 了出来 ， 对它的研 究也越来越引起有 关学者 的重视 ， 本文试图对此　 总 的来 说 ， 以将 信 任概 括 为 ： 可 经济 交 易 的一 方认 为另 一 方 是 可　 领域的国内外研究状况加以梳理。 　 靠 的并且能够履行 自己的承诺。 信任是经济交易活动 中的核心因素 ， 　 １ 概念 　

（ 接 第 ２ １页 ） 上 ３ 　 由于 Ｋ Ｄ Ｃ ’９数据集过于庞大 ，我们在 其中随机分别选　 Ｄ 　 ＵＰ ９ 定义 Ｋ Ｄ Ｃ Ｐ’９数据集 中数据 的 ４ Ｄ　 Ｕ ９ １维特 征分别 为 Ａ ， ， 　　 　 ００ ０ ０ ０数量级的样本作为训练集。 另外 ， 将支持向量机　 ３…，　ｊ

， Ａ １判别标 示 向量 为 Ｂ ４ 。令 Ａ＝｛ ， 码， 　 ） （　 ≤　 择 １ ０ ０和 １ ０ ０ 　 　ｕ物， …， √ １ 下面 　 ４ ）曰 （　Ｙ，３ １ ， ＝ Ｙ ， Ｙ，… ， ） ２ 　 ，其 中 ｎ为参 加 训练 的样 本 个数 ，ｉ 　 作 为 本 次 实 验 的学 习机 器 ， 给 出 各 种 实验 结 果 。 Ｙ∈

｛ ，１Ｊ１ １ 一 ， 表示该连接记录正 常， １ 一 则表示该记录为异常。 　 于　 是　 ，　 和　 ４ 的　 欧　 氏　 距　 离　 为　 ： 　 ｛　Ａ ， ，２ 　Ｂ）ｄ（　Ｂ）… ， （　， ）其中　 如下表示 ： ｄ（　 Ｂ）ｄ（ ， ，３ ３ ， 以　 Ａ Ａ， Ａ 曰） ， 　

（ 　 ３） 弦　 相　 似　 度　 为　 ｛ ｍ１ ， ，ｒ２ 　Ｂ） ｉ ３ ３Ｂ） ，ｉ４ Ａ １ ）其 中　 ｓ （ Ｂ） ｉ （ ２ １ｒ （ 　 　 ｓ １ 　， ， ｉ Ａ１ ｓ Ａ， ｓ Ａ ７ ｅ ｅ ｍ （ ４ Ｂ）

・

—

表 ３ 实 验 结果 对 比　

（ 　

，

∑（ ｊ　 　 　 ）

Ｂ　　 ） ＝ 接

（ 　 ４）

实验结果对 比分析 ： 从表 ３可 以看 出 ， 不论是小规模 训练集检　 测还是大规模训练集检测 ， 经过 ， 训练时 间都大 幅降低 ， 而且都低于　 原来 的三分之一 ， 另外 ， 在检测率上升 的基础上 ， 检测时 间也 有所下　

降。 　

通过实验结果的对比 ， 我们认为 ， 经过基于欧 氏距离和余弦相似　 分别得到欧氏距离和余弦相似度 以后 ，我们将其按 由高到低 的　 度 特征 处理 之后 ，入侵检测 系统的实时性和检测性能都得到了普遍　 顺序进行排序处理 。选择欧 氏距 离和余弦相似度综合指数较高的属　 　 性作为检测特征。在这里 ， 我们一般要在系统中设定一个阈值 ， 综合　 提 高 。 ４ 结 论　 指 数高 于 这 个 阈值 的 ， 我们 保 留其 特 征 ， 则 ， 将 其 舍 弃 。 否 就 　 基于欧 氏距离和余弦相似度 的特征选择方法 ，是通过计 算训练　 ３ 实验 验 证　 集欧氏距离和余弦相似度并对其排序 ， 根据阈值 设定得到 的特征。 经　 通 过 对 实验 结 果 的分 析 ， 该 方 法 进 行评 价 。 对 　 过实验验证 ，基于该特征选择 方法 的入侵检 测系统具有更高的检测　 在本实验中 ，我们通过对实验数据欧 氏距离和余弦相似度的计　 算并排序 ， 根据系统设定 的阈值 ， 选择出参 加训 练的数据特征 ， １　 精度和 实时性能 ，这也进一步体现 了基于欧氏距离和余弦相似度特　 共 ９ 征选择 方法 的优越性和 可行性。 　 维。特征如表 ２所示。 　

表 ２ 实验选择特征　

Ｉ 　 Ｄ ｔｎ ｍａｉ 　 ｏ

ｄｔｂ ｔｓ ｓ　 ｙ ｅ 　 ６ 　

ｐ ｏｏ ｏ １ 　 ｒ ｔｃ ｌ￣ ） ｅ

Ｆａ　 ｌｇ

－ 　

Ｓ ｔｉｅ ｅ， 　 ，ｃ 。

ｌｇ ｄ ｌ ｏ ｇｅ ｊＩ 　

４ 　

８ 　

ｑ ｌ 　 ， 　州 ｅ ｌ Ｃ ＇

参考文献 ： 　 … 曹 元大 入侵检测技术【 北京 人 民邮 电出版社 ，０ ７ Ｍ】 ２０ ． 　

【】 ２边肇祺． 模式识别【 北京 ： Ｍ】 清华大学出版社 ，０ ０ ２０ ． 　 【】 ３刘文涛 网络安全开发包详解ｆ 　Ｅ ： Ｍ】 京 电子工业出版社 ， ０ ５　 ２０．

（ｔ ｓ　 ｒ ｔ　 ｈ　 ｒ ａｅ

９ 　

、 ｓ ｒ Ｏ　ｆ 　 ｅ ｒ ｉ 讲ｅ

ｌ　 ０

ｌ Ｊ 　

ｌ　 ：

［ ］ ｕ ｂ ｉ 　Ａｎｒｔ Ｆ ａ ｕｅ ｅｅ ｔ ｎ ｓｎ 　ｅ ｃｉｅ ｎ ｉ ａ ｃ 　 ４Ｓ ｅ ｓ ｇ ｎ ｉ ，“ ｅ ｔ ｒ　ｓ ｌ ｉ 　ｕ ｉｇ ｕ ｌ ａ 　ｄｓ ｎ ｅ ｕ ｃｏ ｄ ｔ

ａ ｄ ｃ ｓｎ 　ｓｉ ｉ ｒ ｙ ｆ ｒ ｉｔｕ ｉ 　ｄｅ ｅ ｔ 　 ｍ ｏ ｌ Ｐ ｏ ｅｅ ｉｇｓ 一 ｎ 　 ｏ ｉｅ ｍ ｌ ｉ 　 ｏ　 ｎ ｒ ｓｏｎ ａｔ ｔｃｉ ｏｎ ｄｅ”， ｒ ｃ ｄｎ 　

２ ９ 　ｔ ００ 　１ 　Ａｓａ 　Ｃｏ ｆ ｒ ｎ 　ｏ 　Ｉｔ ｌｇｅ ｔ ｎｏｒ ａ ｉｎ ｎ 　Ｄａａ ａｓ 　 ｓ ｉｎ ｎ ｅ ｅ ｃｅ ｎ ｎ ｅｌ ｎ 　Ｉｆ ｍ ｔｏ 　ａ ｄ ｉ ｔｂ ｅ Ｓｙ ｔ ｍ ｓ ｓｅ ，ＡＣＩ 　 ００ Ｉ ＤＳ ２ ９，Ｐ ８ 　 ６—９１ ０ 　 ．２ ０９

ｌ　 ３

ｎ ＝ｆ　 ｏ ｔ 　Ｉ ｌ ｈ ｓ　 ｌ

ｌ　 ４

ｄ ｔ ｈ ｔ ｉｒ ｓ　 ｏｓ ｆ　 　ｄ ｓ ｙ ａｅ ｔ－ｒ ｔ　

１　 ５

ｄ ｔ ｈ ｓ　 ｒｔ ｓ　 ｏ ｔ 、 　 （ ｆ 　 ｓ　 ａ ｅ ｈ ｒ ｈｏ ｔ ｒ ｔ　

ｌ　 ６

ｄｓ ｏ ｔ ｃ Ｙ Ｉ ｔ ｓ　ｓ ｒｏ 　 　ｈ

ｌ　 ’

ｄ ｔ ｈｏ ｔ ｒ ｓ　 ｓ 　ｓ 　

１　 ８

ｔ ｈｏ ｔ ｅ ｌ ｌ 　 ｓ 　ｌ ｌＯ　 ＇

ｒｔ　 ａｅ

１　 ９

（时 ｈ ｓ　 ｖ 【 ｏｔ 　

ｒ Ｉ Ｉ ￣ｔ　 ｅＩＯ　ｌ ｅ ｔ

２ ２ ３