基于改进BP神经网络入侵检测系统的研究

论文摘要

网络与计算机越来越广泛的使用在现今社会,企业、政府和其他组织的工作也越来越依赖于计算机网络系统,因此安全问题也更加突出。入侵检测系统IDS(Intrusion Detecton System)已成为必不可少的重要手段。为克服现有ID模型或产品存在的不足,本文从ID标准化、神经网络NN(Neural Network)应用于ID等方面进行了研究。如何对付日益泛滥的入侵,己超出了任何一个IDS产品的能力范围。设计新的ID模型时必须充分考虑其集成性,而产品集成的基础是标准化。研究表明,现有ID模型的设计未对标准化给予足够重视,导致模型或产品的集成性较差。本文对ID国际标准化权威组织的研究现状与国内ID标准化进行了探讨。在收集到原始数据后,如何对这些数据进行有效分析及报告结果一直是领域中研究的重点,并因此形成了多种ID方法。基于上述研究,本文提出了一个ID模型,即神经网络入侵检测模型NNIDM(Neural Network Intrusion Detecton Model)。在模型中引入了NN,采用了ID标准化方面的研究成果。我们又研究了模型的实现,并提出了一种改进训练算法,最后我们对模型的核心组成部分进行了分析、设计和实现,并进行了相关实验。本文是把神经网络应用于入侵检测的一次尝试,它摒弃常规的基于行为的ID模式,采用了更先进的,模拟人脑神经网络系统的非线性工作模式。神经网络还可结合专家系统、遗传算法、数据挖掘等技术,神经网络在ID中的应用有着巨大的理论及实践意义。

论文目录

• 摘要
• ABSTRACT
• 0 前言
• 1 网络安全概述
• 1.1 计算机系统安全的研究内容
• 1.2 网络安全技术综述
• 1.3 典型入侵简述
• 1.4 本文主要研究内容
• 1.5 本章小结
• 2 入侵检测系统概述
• 2.1 神经网络概述
• 2.2 入侵检测概述
• 2.2.1 入侵检测的必要性和研究现状
• 2.2.2 入侵检测系统的分类
• 2.2.3 通用入侵检测系统模型
• 2.2.4 当前存在的问题
• 2.2.5 入侵检测系统的发展趋势
• 2.3 本章小结
• 3 基于神经网络的入侵检测方法研究
• 3.1 人工神经网络
• 3.1.1 人工神经网络研究简史
• 3.1.2 多层前向网络
• 3.1.3 BP 网络算法
• 3.2 神经网络应用于入侵检测
• 3.3 神经网络在IDS 应用的相关问题
• 3.3.1 数据源的选取
• 3.3.2 入侵行为指标的选取
• 3.3.3 BP 网络参数设定
• 3.4 本章小结
• 4 基于改进BP 神经网络的入侵检测模型
• 4.1 BP 算法存在问题和改进BP 算法
• 4.1.1 BP 算法的问题
• 4.1.2 改进BP 算法
• 4.2 基于BP 神经网络的IDS 模型
• 4.3 实现模型的思路和方法
• 4.3.1 实现模型的思路
• 4.3.2 实现模型的方法
• 4.4 本章小结
• 5 NNIDM 的总体设计
• 5.1 NNIDM 的总体设计
• 5.1.1 系统的功能和性能
• 5.1.2 系统结构
• 5.2 NNIDM 的训练和实际检测流程
• 5.3 本章小结
• 6 NNIDM 的实现
• 6.1 网络探测器的设计与实现
• 6.1.1 网络探测器的位置和结构
• 6.1.2 网络探测器数据采集方法
• 6.2 数据预处理模块结构和实现
• 6.3 事件分析器的设计和实现
• 6.3.1 事件分析器的结构
• 6.3.2 事件分析器的功能设计
• 6.3.3 事件分析器流程实现
• 6.4 事件数据库的结构和设计
• 6.4.1 事件数据库的结构
• 6.4.2 事件数据库的功能设计
• 6.5 事件响应器的分析和设计
• 6.5.1 响应技术分析
• 6.5.2 事件响应器的功能设计
• 6.6 本章小结
• 7 NNIDM 实验
• 7.1 实验准备
• 7.1.1 实验环境
• 7.1.2 实验目的
• 7.1.3 实验参数
• 7.2 实验
• 7.2.1 实验过程
• 7.2.2 实验结论
• 7.3 本章小结
• 结论
• 参考文献
• 致谢
• 个人简历