基于神经网络的入侵检测系统研究与实现

论文摘要

随着网络的发展,越来越多的部门和个人开始以网络作为工作或生活的一部分,网络安全问题也越来越显的重要,并逐渐成为当今研究的热点之一,传统的网络安全技术以防护为主,依赖于防火墙做为安全防护的措施,而面对网络规模的逐渐庞大及入侵和攻击的多样和复杂,以防火墙为主的防御技术难以应对新的网络形势,入侵检测技术就能弥补防火墙的不足以增强网络的安全性。入侵检测作为新兴的网络技术有很多发展方向,其中智能化的入侵检测是重要的分支之一。首先介绍了网络安全的背景及入侵检测的现状,从漏洞扫描、口令破解、脚本攻击、拒绝服务攻击等方面分析了典型的入侵和攻击方法。入侵检测系统就是根据这些入侵方法和技术进行检测,目前的入侵检测产品中,Snort是一个优秀的开源入侵检测系统,甚至许多商业入侵检测也采用snort的某些设计思想,本文分析了snort的编程结构,研究了数据包在snort中的检测流程及snort的检测引擎,根据snort的规则链表分析了snort规则检测的不足。研究了改进的附加加动量项的神经网络BP算法,通过仿真实验验证了增加动量项的BP算法比标准BP算法的优势,同时根据改进算法,设计实现了神经网络插件。并根据snort的插件机制设计了神经网络模块的样本提取插件和神经网络检测插件,最后对实验进行了分析,对智能化的入侵检测系统做了有实践意义的探索和研究。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 网络安全的背景
• 1.3 入侵检测的研究现状
• 1.4 本文的主要工作
• 1.5 论文的组织及结构
• 第二章 入侵方法和入侵检测技术
• 2.1 入侵检测的概念
• 2.1.1 入侵检测的作用
• 2.1.2 入侵检测的必要性
• 2.2 入侵方法与手段
• 2.2.1 漏洞扫描
• 2.2.2 口令破解
• 2.2.3 脚本攻击
• 2.2.4 拒绝服务攻击
• 2.2.5 缓冲区溢出攻击
• 2.3 入侵检测技术
• 2.3.1 误用入侵检测
• 2.3.2 异常入侵检测
• 2.4 入侵检测的发展趋势
• 2.5 本章小结
• 第三章 神经网络BP算法及改进算法的实现
• 3.1 人工神经网络
• 3.1.1 人工神经网络及其特点
• 3.1.2 神经元的模型
• 3.1.3 神经网络的激励函数
• 3.2 神经网络BP算法
• 3.2.1 反向传播BP算法
• 3.2.2 BP网络的结构
• 3.2.3 BP算法的数学描述
• 3.3 BP算法的问题
• 3.4 改进的BP算法
• 3.4.1 附加动量项的BP算法
• 3.4.2 标准BP算法和附加动量项的BP算法及改进算法的比较
• 3.5 改进后的BP算法实现
• 3.5.1 改进BP算法步骤
• 3.5.2 改进的BP算法实现
• 3.6 神经网络检测模型
• 3.7 本章小结
• 第四章 snort及其结构分析
• 4.1 Snort简介
• 4.2 Snort的系统结构
• 4.3 网络数据包捕获
• 4.3.1 数据包的捕获原理
• 4.3.2 Winpcap的编程结构
• 4.4 Snort的系统初始化
• 4.5 数据包的检测流程
• 4.5.1 数据包处理
• 4.5.2 数据包解码
• 4.5.3 预处理插件
• 4.6 Snort的检测引擎
• 4.7 Snort的规则和规则链表
• 4.7.1 Snort的规则
• 4.7.2 Snort的规则链表
• 4.7.3 规则链表在snort中的构造
• 4.7.4 数据包的规则检测
• 4.8 Snort的不足
• 4.9 本章小结
• 第五章 snort中神经网络插件的实现
• 5.1 在snort中开发自定义插件
• 5.2 神经网络检测模块的特征编码
• 5.2.1 Top编码
• 5.2.2 编码的归一化处理
• 5.3 神经网络结构的确定
• 5.3.1 隐层数的设计
• 5.3.2 隐层节点数的确定
• 5.4 特征样本获取插件的算法和实现
• 5.5 神经网络检测插件的设计和实现
• 5.6 实验结果及分析
• 5.7 结束语
• 5.8 本章小结
• 第六章 总结与展望
• 6.1 论文工作总结
• 6.2 下一步的工作
• 致谢
• 参考文献
• 攻读硕士期间发表的论文