| 【中文题名】 | 基于神经网络入侵检测模型的研究 |
| 【英文题名】 | The Research of Intrusion Detection Model Based on Neural Network |
| 【学科专业】 | 计算机系统结构 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-7-30 |
| 【中关键词】 | 入侵检测,神经网络,BP算法,Detla学习算法,Snort, |
| 【英关键词】 | Intrusion Detection,Neural Network,BP Algorithm,Detla Study Algorithm,Snort, |
| 【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】 |
当今的网络安全问题日益突出,入侵检测系统IDS(Intrusion Detection System)已成为必不可少的安全手段。所谓入侵检测就是检测和识别针对计算机系统、信息系统、网络系统的非法攻击和入侵行为,该技术已经在全球范围内被广泛用来保护公司、组织的信息网络。但传统的入侵检测系统仍存在检测速度慢,漏检率高等缺陷。
本文首先分析了传统IDS系统结构和检测方法,对神经网络NN(Neural Network)技术及其在IDS中的应用进行了深入的研究。从加快检测速度、提高准确率的角度出发,提出了一种基于神经网络的入侵检测新模型,该模型采用BP(Back Propagation)神经网络进行检测,将模式识别转化为数值计算,从而加快了检测速度,同时结合专家系统辅助检测并为神经网络提供实时的训练集,提高了检测的准确率。
同时本文针对BP神经网络在实际应用中存在的问题,对BP算法进行了深入的研究。首先,针对因学习速率选择不当而造成的收敛速度慢和最优解产生振荡的问题,采用了自适应调整学习速率法和附加动量法对算法进行优化;其次,针对每个训练样本都要对网络中所有权值进行调整的问题,提出采用路径激发... |
| 【论文题纲】 |
|
摘要 |
5-6 |
|
ABSTRACT |
6-10 |
|
第1章 绪论 |
10-16 |
|
1.1 课题背景及意义 |
10-11 |
|
1.2 国内外研究现状及存在问题 |
11-14 |
|
1.3 课题研究内容及论文结构 |
14-16 |
|
第2章 入侵检测技术概述 |
16-31 |
|
2.1 入侵检测的概念 |
16-17 |
|
2.2 入侵检测技术分类 |
17-21 |
|
2.3 通用入侵检测系统模型 |
21-24 |
|
2.4 入侵检测系统面临的挑战 |
24-25 |
|
2.5 入侵检测技术发展的趋势 |
25-26 |
|
2.6 入侵检测系统的标准化研究 |
26-30 |
|
2.7 本章小结 |
30-31 |
|
第3章 神经网络在入侵检测中的应用 |
31-43 |
|
3.1 人工神经元 |
31-32 |
|
3.2 人工神经网络的拓扑结构 |
32-34 |
|
3.3 人工神经网络工作原理 |
34 |
|
3.4 神经网络分类 |
34-35 |
|
3.5 多层前向网络 |
35-37 |
|
3.6 神经网络应用于入侵检测 |
37-40 |
|
3.7 神经网络在IDS 应用的相关问题 |
40-42 |
|
3.8 本章小结 |
42-43 |
|
第4章 基于神经网络的IDS 模型 |
43-53 |
|
4.1 基于神经网络的IDS 模型 |
43-44 |
|
4.2 模型设计分析 |
44-48 |
|
4.3 BP 神经网络 |
48-52 |
|
4.4 本章小结 |
52-53 |
|
第5章 神经网络入侵检测系统的实现 |
53-63 |
|
5.1 数据采集模块的设计与实现 |
53-56 |
|
5.2 数据预处理器的设计与实现 |
56-57 |
|
5.3 神经网络检测引擎设计与实现 |
57-62 |
|
5.4 入侵响应模块的设计 |
62 |
|
5.5 本章小结 |
62-63 |
|
第6章 仿真实验及性能分析 |
63-67 |
|
6.1 实验环境 |
63 |
|
6.2 实验参数 |
63-64 |
|
6.3 实验过程 |
64-65 |
|
6.4 实验结论 |
65-66 |
|
6.5 本章小结 |
66-67 |
|
结论 |
67-69 |
|
参考文献 |
69-74 |
|
攻读硕士学位期间承担的科研任务与主要成果 |
74-75 |
|
致谢 |
75-76 |
|
作者简介 |
76 |
|
| 【DOI】 | LunWen.ID:2.2008.388644 |
