Abstract
隨著科技的進步，網路已成為日常生活中不可缺少的一部份，不過藉由竊取他人資料賺取自身利益的駭客也就日以遽增，如何防範駭客的攻擊儼然已經變成了重要的研究課題，不幸的是，目前現有的入侵偵測系統(intrusion detection system)都不足以擔當起完整的防禦任務。 為了改善現有入侵偵測系統的缺點，本系統以現有的入侵偵測系統為基礎，並加入了下列元件，首先，加入了代理人(intelligent agent)的技術，使得入侵偵測系統能更自動化且具有防禦整個網域的功能。並且運用本體論(ontology)的技術，將駭客攻擊的方式利用本體論記錄下來，如此，我們可以在駭客入侵前推測出駭客的攻擊。最後加入了警報關聯(alert correlation)的技術，使本系統能夠整合不同入侵偵測系統所產生的警報，並且將真正的駭客攻擊過濾出來。 在本篇論文中，我們介紹了兩種不同的警報融合的方法來推算駭客的攻擊，分別是證據性融合以及推測性融合，證據性融合是利用警報代理人互相融合來推測駭客的入侵，而推測性融合則是利用貝式知識網絡(Bayesian belief network)來推測駭客的入侵。最後，在論文的實作中我們利用模擬器來模擬正常的網路行為中夾雜了駭客的入侵行為，並且測量在此種環境之下，兩種融合方法判斷駭客入侵的準確度以及是否皆能過濾掉大部分不重要的警報。