基于人工神经网络的入侵检测系统

论文摘要

当越来越多的公司将其核心业务向互联网转移的时候,网络安全作为一个无法回避的问题呈现在人们面前。随着攻击者知识的日趋成熟,攻击工具与手法的日趋复杂多样,传统的静态策略已经无法满足对安全高度敏感的部门的需要,网络的防卫必须采用一种纵深的、多样的手段。入侵检测作为一种主动的网络安全防护系统,不仅能够检测来自外部的入侵行为,同时也监督内部用户的未授权活动,有着非常广泛的应用前景。然而,传统的入侵检测技术在检测性能、可升级性、可分布性、自适应性、自学习性、健壮性等方面还存在着普遍的缺陷,因此有必要针对入侵检测的这些不足根据其特点研究新的技术。本文在深入分析了当前入侵检测技术研究状况的基础上,提出并建立了一个简单有效的基于人工神经网络的入侵检测系统。该系统利用了人工神经网络的许多优点如自学习性、自适应、非线性、并行处理、健壮性以及容错性等,改善了系统的性能,增加了系统的健壮性和自适应性。本文首先分析了TCP/IP底层协议(ICMP、IP、UDP、TCP)数据包的各包头信息,并详细介绍了常见网络攻击的原理、方法。然后提出了基于人工神经网络的入侵检测系统的总体设计方案,并理论上证明了根据该方案建立的系统不仅具有比传统的基于专家系统的入侵检测系统更好的检测性能,而且具有健壮性、自适应性等优点。并根据关键词选择的原则提取了11条关键词(各包头特征值)作为人工神经网络的输入特征矢量。最后建立了一个基于BP人工神经网络的实时网络入侵检测系统。论文的最后对该入侵检测系统进行了训练和测试,实验结果表明该系统不仅对已知攻击行为有很高的检测率,而且对未知攻击行为也有很好的检测能力和较低的虚警率,同时具有良好的灵活性和健壮性。

论文目录

• 摘要
• Abstract
• 插图或附表清单
• 引言
• 1 绪论
• 1.1 研究的背景和意义
• 1.2 相关术语
• 1.2.1 入侵检测相关术语
• 1.2.2 神经网络相关术语
• 1.3 网络安全问题
• 1.4 网络安全目标
• 1.5 论文的研究内容
• 1.6 论文的组织安排
• 2 入侵检测系统
• 2.1 入侵检测的必要性
• 2.2 入侵检测的基本概念
• 2.3 入侵检测的发展历史
• 2.4 入侵检测的体系结构
• 2.4.1 入侵检测系统的基本构成
• 2.4.2 数据收集和数据分析
• 2.4.3 入侵检测系统的体系结构
• 2.5 现有入侵检测系统的局限性
• 2.6 入侵检测的分类
• 2.7 常用的入侵检测技术
• 2.7.1 异常检测
• 2.7.2 误用检测
• 3 多层前馈人工神经网络
• 3.1 人工神经网络概述
• 3.1.1 人工神经网络的提出
• 3.1.2 人工神经网络的定义
• 3.1.3 人工神经元模型
• 3.1.4 人工神经网络拓扑结构
• 3.1.5 人工神经网络的学习规则
• 3.2 多层前馈人工神经网络
• 3.2.1 三层前馈人工神经网络的结构
• 3.2.2 多层前馈人工神经网络的计算过程
• 3.2.3 多层前馈人工神经网络的非线性逼近能力
• 3.3 BP算法
• 4 TCP/IP协议及常见网络攻击原理
• 4.1 TCP/IP参考模型
• 4.2 TCP/IP协议分析
• 4.2.1 IP数据包结构
• 4.2.2 ICMP数据包结构
• 4.2.3 TCP数据包结构
• 4.2.4 UDP数据包结构
• 4.2.5 TCP/IP遵循的原则
• 4.2.6 TCP三次握手过程
• 4.2.7 TCP/IP协议主要安全问题
• 4.3 常见网络攻击
• 4.3.1 黑客入侵的步骤
• 4.3.2 常见网络攻击的原理和方法
• 5 基于BP神经网络的网络入侵检测模型
• 5.1 人工神经网络在IDS中的应用
• 5.1.1 现有入侵检测技术的不足
• 5.1.2 神经网络在入侵检测领域的应用优势
• 5.2 基于BP神经网络的实时网络入侵检测模型
• 5.2.1 入侵检测模型的设计
• 5.2.2 网络数据包捕获
• 5.2.3 协议解析和特征提取
• 5.3 神经网络的设计实现
• 5.4 实验
• 5.4.1 实验目的
• 5.4.2 实验数据来源
• 5.4.3 测试和结果分析
• 6 总结
• 参考文献
• 致谢
• 作者简介及读研期间主要科研成果