基于移动Agent和遗传算法的入侵检测系统的研究

基于移动Agent和遗传算法的入侵检测系统的研究

论文摘要

随着计算机网络技术的飞速发展和广泛应用,网络入侵造成的安全问题日益成为人们关注的焦点。传统的被动防御措施,如防火墙技术、数据加密等传统网络安全技术已不能很好地满足目前网络安全的需求。入侵检测是近几年来出现的新型网络安全技术。它有效弥补了传统网络安全技术的不足,为网络安全提供了实时的入侵检测和相应的防护手段。近几年来,关于入侵检测技术的研究发展很快,从早期的集中式入侵检测系统发展到现在的分布式入侵检测系统。但随着网络规模的扩大,新的攻击方法层出不穷,入侵检测技术还面临很多问题和不足。传统的数据处理技术处理能力有限,检测效率低下,在需要处理的数据量呈指数级增长的情况下,难以完成检测任务,识别未知攻击。利用移动agent技术和遗传算法来解决入侵检测的相关问题,可以提高系统的效率,可以使系统既可以对已知攻击有较好的识别能力,又具有检测未知攻击的能力。本文分析了现有入侵检测技术的不足,参考了国内外相关研究项目的方法和设计思路,结合移动agent技术和遗传算法的特性,将两者的优势引入网络入侵检测系统的设计中,提出了一个基于移动agent和遗传算法的入侵检测系统模型MADIDS,并做了深入研究。本文所做主要工作如下:首先简要介绍了入侵检测的必要性和入侵检测系统的研究现状;接着描述了当前入侵检测系统所采用的通用检测技术,给出了入侵检测系统的定义和分类,以及入侵检测系统的体系结构。其次介绍了移动agent技术的相关概念,以及遗传算法的相关原理。提出了分布式入侵检测系统模型MADIDS,并将遗传算法应用于模型中。重点分析了如何利用遗传算法进行入侵检测,这是本文的难点和创新点。最后开发了原型系统。利用林肯试验室训练数据得出了入侵检测系统的阈值。在局域网环境下,模拟一些典型入侵行为,仿真完成入侵检测系统的检测任务。实验结果表明该模型较原有模型具有更好的适应性,效率得到很大提高,而且能检测到未知攻击。本文创新部分:系统对于网络性能要求较低,采用主从式分布式数据库,可以避免单点故障问题。系统具有平台独立性、可扩展性强和可检测未知攻击等优点。遗传训练算法中检测攻击部分采用IP包中数据计算,计算方便、可靠。

论文目录

  • 摘要
  • Abstract
  • 缩略语表
  • 1 绪论
  • 1.1 网络安全概述
  • 1.1.1 网络安全的现状
  • 1.1.2 网络安全的目标
  • 2DR'>1.1.3 动态网络安全模型——p2DR
  • 1.2 入侵检测的必要性
  • 1.3 入侵检测系统的研究现状
  • 1.4 研究意义及主要工作
  • 1.4.1 研究意义
  • 1.4.2 主要工作
  • 1.4.3 创新部分
  • 1.5 论文结构
  • 本章小结
  • 2 入侵检测系统
  • 2.1 入侵检测系统的定义
  • 2.2 入侵检测系统的特点
  • 2.3 入侵检测系统的分类
  • 2.3.1 按数据源分类
  • 2.3.2 按系统结构分类
  • 2.3.3 按检测原理分类
  • 2.4 入侵检测系统的结构
  • 2.5 入侵检测技术的发展趋势
  • 本章小结
  • 3 移动Agent和遗传算法理论介绍
  • 3.1 移动agent概述
  • 3.1.1 移动agent的定义
  • 3.1.2 移动agent的特征
  • 3.1.3 移动agent的体系结构
  • 3.1.4 移动agent的系统模型
  • 3.1.5 移动agent的研究现状
  • 3.2 遗传算法简介
  • 3.2.1 遗传算法的基本思想
  • 3.2.2 遗传算法的特点
  • 3.2.3 遗传算法的基本流程
  • 3.2.4 算法设计
  • 3.2.5 遗传算法在入侵检测中的相关应用
  • 本章小结
  • 4 分布式入侵检测系统MADIDS的设计
  • 4.1 所用平台简介
  • 4.1.1 Aglets简介
  • 4.1.2 Aglets系统框架
  • 4.1.3 Aglet API简介
  • 4.1.4 数据包捕获技术
  • 4.1.5 支持数据包捕获的WinPcap库
  • 4.2 基于遗传算法的入侵检测训练算法的设计
  • 4.2.1 算法模型描述
  • 4.2.2 训练算法的伪代码
  • 4.2.3 遗传算法的构造
  • 4.3 MADIDS的设计
  • 4.3.1 MADIDS系统结构设计
  • 4.3.2 MADIDS系统模型的设计
  • 4.3.3 MADIDS数据库的设计
  • 4.3.4 MADIDS模型中各功能模块的设计
  • 4.3.5 移动agent任务求解过程
  • 本章小结
  • 5 MADIDS的初步实现及实验分析
  • 5.1 环境的配置
  • 5.1.1 系统的开发环境
  • 5.1.2 分布式数据库的建立
  • 5.2 遗传算法的简单实现与实验结果分析
  • 5.2.1 算法简单实现
  • 5.2.2 数据格式分析
  • 5.2.3 实验结果分析
  • 5.3 系统功能的实现
  • 5.3.1 数据库的实现
  • 5.3.2 数据采集模块的实现
  • 5.3.3 检测分析模块的实现
  • 5.3.4 配置管理模块的实现
  • 5.4 系统自身的安全问题
  • 6 总结与展望
  • 6.1 所做工作与创新部分
  • 6.2 进一步的工作
  • 参考文献
  • 致谢
  • 附录
  • 相关论文文献

    • [1].基于系统调用的交互式入侵检测系统设计与实现[J]. 仪表技术 2020(03)
    • [2].一种基于红外探测技术的住房入侵检测系统[J]. 软件工程 2017(03)
    • [3].数据挖掘算法在入侵检测系统中的应用研究[J]. 电脑知识与技术 2017(08)
    • [4].入侵检测系统在网络安全中的研究[J]. 无线互联科技 2017(14)
    • [5].网络安全中混合型入侵检测系统设计[J]. 通讯世界 2016(01)
    • [6].基于改进K均值算法的入侵检测系统设计[J]. 计算机技术与发展 2016(01)
    • [7].大数据环境下入侵检测系统概述[J]. 软件 2016(05)
    • [8].基于数据分流的并行入侵检测系统研究[J]. 黑龙江科技信息 2016(25)
    • [9].入侵检测系统的研究综述[J]. 吉林大学学报(信息科学版) 2016(05)
    • [10].基于入侵检测系统与防火墙联动的设计[J]. 计算机安全 2014(11)
    • [11].人工免疫系统在入侵检测系统中的应用[J]. 信息通信 2015(01)
    • [12].病虫害综合信息网入侵检测系统研究[J]. 北京农学院学报 2015(01)
    • [13].浅析入侵检测系统的应用部署[J]. 网络安全技术与应用 2015(02)
    • [14].防火墙与入侵检测系统联动技术的分析与研究[J]. 数字技术与应用 2015(05)
    • [15].入侵检测系统与防火墙联动技术研究[J]. 信息通信 2015(09)
    • [16].入侵检测中的多样性和冗余——DiSIEM项目及其研究成果(四)[J]. 中国教育网络 2020(08)
    • [17].关于误用与异常技术结合下的入侵检测系统的研究[J]. 电脑迷 2016(11)
    • [18].基于朴素贝叶斯的入侵检测优化设计[J]. 数码世界 2017(09)
    • [19].防火墙和入侵检测系统在电力企业信息网络中的应用[J]. 知音励志 2017(08)
    • [20].简析入侵检测系统性能测试与评估[J]. 科技信息 2013(26)
    • [21].入侵检测系统研究现状及发展趋势[J]. 商丘职业技术学院学报 2013(05)
    • [22].入侵检测系统面临的主要问题及其未来发展方向[J]. 考试周刊 2009(44)
    • [23].基于自动编码器集合的入侵检测系统的研究与实现[J]. 中国新通信 2019(24)
    • [24].数字化校园中入侵检测系统的研究与应用[J]. 吉林农业科技学院学报 2019(01)
    • [25].基于特征选择算法的网络实时入侵检测系统研究[J]. 现代信息科技 2019(20)
    • [26].提升入侵检测系统效率的设计与实现[J]. 山西煤炭管理干部学院学报 2015(04)
    • [27].入侵检测系统浅析[J]. 网友世界 2014(08)
    • [28].入侵检测系统的发展方向[J]. 中国教育网络 2013(06)
    • [29].信息安全入侵检测系统进展研究[J]. 计算机光盘软件与应用 2014(05)
    • [30].面向虚拟化平台的入侵检测系统的研究[J]. 计算机光盘软件与应用 2014(03)

    标签:;  ;  ;  

    基于移动Agent和遗传算法的入侵检测系统的研究
    下载Doc文档

    猜你喜欢