基于蜜罐学习的神经网络入侵检测模型的研究

论文摘要

随着科技进步和计算机网络技术的发展,越来越多的人融入到了网络,享受着网络带给人们的种种便利。但同时随着互联网规模的迅速扩大,安全问题已经成为一个互联网发展中无法回避的核心问题。虽然传统的安全保护技术如采用认证和授权、访问控制、信息加密、虚拟专用网、防火墙等在一定程度上增强了计算机系统中敏感数据的安全性,但还是不能阻止授权用户滥用计算机致使信息被非法窃取的情况。于是入侵检测技术就应运而生。入侵检测是对防火墙、数据加密等安全保护措施的有效补充,能够识别针对计算机和网络资源的恶意企图和行为,并做出及时响应。针对目前入侵检测系统中存在的高漏报率、高误报率问题,以及各种安全设备之间的相互独立问题,本文提出一种基于蜜罐学习的神经网络入侵检测模型。该模型将径向基函数神经网络应用到入侵检测系统中,使系统具有自学习、自适应能力;改进了基于遗传神经网络的学习算法,以实现并行搜索,从而优化了学习算法;将蜜罐与入侵检测结合以降低误报率。该模型是基于正常与异常两种样本特征库之上的,这样大大会降低漏报率。本文设计了一个新型的入侵检测模型,详细介绍了该模型的实现过程,最终通过仿真实验对数据进行分析。并与传统的入侵检测方法进行了比较。实验结果表明该方法效果良好,学习速度快,漏报率、误报率很低。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题来源
• 1.2 研究目的和意义
• 1.3 研究现状及发展趋势
• 1.3.1 入侵检测技术发展史
• 1.3.2 研究现状
• 1.3.3 未来发展趋势
• 1.4 本文研究的主要内容
• 第2章 相关网络安全技术概述
• 2.1 TCP/IP 简介
• 2.2 网络攻击技术
• 2.2.1 网络攻击的过程和层次
• 2.2.2 网络攻击的方法
• 2.2.3 网络攻击的新技术及发展趋势
• 2.3 入侵检测技术
• 2.3.1 入侵检测系统
• 2.3.2 入侵检测模型
• 2.3.3 入侵检测分类
• 2.4 蜜罐的概念
• 2.5 蜜罐的分类
• 2.6 蜜罐原理
• 2.6.1 网络欺骗
• 2.6.2 数据捕获
• 2.6.3 数据分析
• 2.6.4 数据控制
• 2.7 蜜罐在IDS 中的价值
• 2.8 本章小结
• 第3章 改进遗传算法的径向基函数神经网络
• 3.1 神经网络
• 3.1.1 神经网络概述
• 3.1.2 径向基函数网络
• 3.2 遗传算法
• 3.2.1 遗传算法原理及过程
• 3.2.2 遗传算法的改进
• 3.3 改进遗传算法的径基向函数网络
• 3.3.1 问题的提出
• 3.3.2 染色体基因位编码方式
• 3.3.3 群体规模及遗传算子
• 3.3.4 网络隐节点中心值和宽度参数迭代公式
• 3.3.5 基于改进遗传算法的径向基函数网络学习过程
• 3.4 本章小结
• 第4章 基于蜜罐学习的神经网络入侵检测模型
• 4.1 基于蜜罐学习的神经网络入侵检测体系结构
• 4.2 系统检测流程图
• 4.3 各模块的功能实现
• 4.3.1 数据捕获模块
• 4.3.2 协议分析模块
• 4.3.3 数据预处理模块
• 4.4 改进遗传算法的RBF 神经网络学习及检测过程
• 4.4.1 神经网络结构确定过程
• 4.4.2 检测过程
• 4.5 本章小结
• 第5章 仿真实验
• 5.1 训练样本集和测试样本集选取
• 5.2 实验结果分析
• 5.3 本章小结
• 结论
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢