| 【中文题名】 | 基于遗传神经网络入侵检测系统的应用研究 |
| 【英文题名】 | |
| 【学科专业】 | 计算机技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-10-16 |
| 【中关键词】 | 神经网络,前馈逆传播算法,入侵检测,入侵检测系统,遗传神经网络, |
| 【英关键词】 | the neural network,BP neural network,invade and measure,invade the detection system,the neural network of heredity, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>计算机的应用>计算机网络>一般性问题 |
| 【论文摘要】 |
随着科技进步与计算机网络技术的飞速发展，信息产业及其应用得到了巨大的发展，与之俱来，网络攻击也在不断发展，黑客手段和工具也越来越先进，或者是攻击系统，或是窃取个人信息，人们已经意识到了保证网络安全的重要性。
目前网络安全技术主要有加密技术、身份鉴别技术、访问控制技术和防火墙技术等，但它们均存在较大的缺陷和不足。入侵检测技术的发展，从某种角度可以弥补一些不足，比如，入侵检测系统具有主动性就是一方面。目前入侵检测技术的研究涉及到诸多方面，从入侵检测系统本身的研究到与其它相关学科的结合应用研究，都不同程度地推动了入侵检测系统的发展。
论文综述了入侵检测系统的发展历史、分类、标准化进程以及数据收集机制和分析方法，并提出了一个基于遗传神经网络的入侵检测方法，由于神经网络本身固有的学习方法的限制，从根本上改进神经网络的前馈逆传播算法很困难。利用遗传算法的广泛适用性的搜索和最优化方法等优点来克服前馈逆传播算法收敛慢和易局部收敛的缺陷，同时与前馈逆传播算法的结合也解决了单独利用遗传算法往往不能在短时间内寻找到接近最优解的问题。利用前馈逆传播算法的梯度信息将会避免这种现象。检测结果表明，该方法效果良好... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
ABSTRACT |
4-8 |
|
第一章 绪论 |
8-12 |
|
1.1 课题背景 |
8 |
|
1.2 国内外研究现状 |
8-11 |
|
1.2.1 网络安全及基本性 |
8-9 |
|
1.2.2 传统网络安全技术 |
9-10 |
|
1.2.3 入侵检测系统的研究 |
10 |
|
1.2.4 现有入侵检测系统的不足 |
10-11 |
|
1.3 论文研究的目的与意义及主要内容 |
11-12 |
|
第二章 入侵检测技术 |
12-20 |
|
2.1 入侵检测概念及其分类 |
12-14 |
|
2.1.1 概念及原理 |
12 |
|
2.1.2 入侵检测系统的分类 |
12-14 |
|
2.2 入侵检测常用方法 |
14 |
|
2.3 入侵检测系统的通用模型 |
14-15 |
|
2.4 入侵检测系统的组成 |
15-16 |
|
2.5 人工神经网络的发展与研究现状 |
16-17 |
|
2.6 BP网络模型 |
17-18 |
|
2.6.1 BP网简介 |
17-18 |
|
2.6.2 BP网络拓扑结构 |
18 |
|
2.6.3 BP网络的工作原理及过程 |
18 |
|
2.7 训练和使用神经网络 |
18-20 |
|
第三章 BP网的构建与优化 |
20-28 |
|
3.1 BP网络结构的设计 |
20-21 |
|
3.2 BP网的实现过程 |
21-27 |
|
3.2.1 网络初始化及数据定义 |
21-23 |
|
3.2.2 BP网络学习公式 |
23-24 |
|
3.2.3 改进的BP算法 |
24-26 |
|
3.2.4 计算修正权值W、偏差b |
26 |
|
3.2.5 BP网络学习成功结束条件 |
26 |
|
3.2.6 BP网的优化 |
26-27 |
|
3.3 BP网络应用预测 |
27-28 |
|
第四章 遗传算法研究 |
28-41 |
|
4.1 遗传算法起源 |
28-30 |
|
4.2 遗传算法的特点 |
30-32 |
|
4.3 基于遗传神经网络入侵检测的模型与处理算法 |
32-34 |
|
4.3.1 基于遗传神经网络的入侵检测模型 |
32-33 |
|
4.3.2 遗传神经网络的算法步骤 |
33-34 |
|
4.4 基于神经网络学习规则的抽取及转化 |
34-37 |
|
4.4.1 规则的抽取 |
34-35 |
|
4.4.2 初始规则集转化为神经网络 |
35-37 |
|
4.5 训练初始神经网络 |
37-38 |
|
4.6 抽取规则的方法 |
38-39 |
|
4.7 从网络中抽取规则的意义 |
39-41 |
|
第五章 入侵检测模型的设计与算法实现 |
41-53 |
|
5.1 系统需求 |
41-42 |
|
5.2 入侵检测系统模型设计 |
42-43 |
|
5.3 入侵检测模块设计实现 |
43-46 |
|
5.4 遗传神经网络的算法步骤 |
46-47 |
|
5.5 实验准备 |
47-49 |
|
5.6 程序界面及部分源代码 |
49-53 |
|
第六章 结论 |
53-55 |
|
6.1 本文所做工作 |
53 |
|
6.2 展望 |
53-55 |
|
参考文献 |
55-59 |
|
致谢 |
59-60 |
|
攻读学位期间的主要研究成果 |
60 |
|
| 【DOI】 | LunWen.ID:2.2008.376418 |
