基于改进的Levenberg-Marquardt算法的入侵检测系统的研究

摘要

随着当今社会信息和网络的不断发展，全球信息化已成为社会文明进步和发展的大趋势。但由于计算机网络自身具有的多样式特性、分布式特性和网络的开放性、互连性等特征，导致了计算机网络容易受到攻击，所以网上信息的安全和保密是一个至关重要的问题。对于军用自动化指挥网络、银行、电子商务等传输敏感数据的计算机网络系统而言，其网上信息的安全和保密尤为重要。网络的安全措施应能全方位地针对各种不同的威胁和脆弱性，这样才能确保网络信息的保密性、完整性和可用性。
　　 本文基于神经网络系统的研究，对入侵检测系统的检测机制进行学习，重点分析了BP神经网络算法和Levenberg-Marquardt算法，并且利用Levenberg-Marquardt算法，对BP神经网络算法进行了优化，结合Levenberg-Marquardt算法，通过研究和对比，在已有的入侵检测系统HIDS的基础上提出了优化的Levenberg-Marquardt算法和一个基于该优化算法的模型LMBP-HIDS。最后拟通过对算法和模型进行仿真实验，验证Levenberg-Marquardt算法和模型的可行性与有效性。
　　 首先，本文从入侵检测系统和神经网络的原理入手，分析了入侵检测系统基本结构、功能，着重分析了入侵检测系统的工作机制、分析方法，并阐述了入侵检测系统未来的发展方向和进化趋势。同时，对神经网络的原理进行讨论，研究了BP神经网络算法和Levenberg-Marquardt算法，将两种算法的优点结合起来，形成了改进的Levenberg-Marquardt算法，并将改进的Levenberg-Marquardt算法应用到入侵检测系统当中，基于原有的入侵检测系统，形成改进的入侵检测系统模型，给出体系结构，介绍了改进后的入侵检测系统的各个模块以及各模块的工作流程。
　　 最后，对改进的入侵检测系统进行仿真实验，给出了实验结果，通过对仿真结果的分析，检测了前文叙述的改进算法和改进后的系统结果，得出结论。

目录

声明

摘要

第1章 绪论

1．1 本文研究的目的和意义

1．2 国内外入侵检测技术综述

1．3 本文主要研究内容和思路

1．4 本文的组织结构

1．5 本文预期达到的目标

第2章 入侵检测与神经网络

2．1 入侵检测的功能与分类

2．1．1 入侵检测分类

2．1．2 入侵检测系统的基本流程

2．2 入侵检测方法

2．2．1 异常入侵检测技术

2．2．2 误用检测技术

2．2．3 其他入侵检测方法

2．3 现有入侵检测系统的不足之处

2．4 神经网络系统综述

2．4．1 人工神经网络的概念

2．4．2 神经网络的工作原理

2．4．3 神经网络的研究内容

2．5 神经网络系统的特点

2．6 神经网络算法的优缺点比较

2．7 本章小结

第3章 传统BP神经网络模型和算法

3．1 BP神经网络模型概述

3．2 BP神经网络模型原理

3．3 BP算法概述

3．3．1 基本原理

3．3．2 BP算法步骤与流程

3．4 本章小结

第4章 应用Levenberg-Marquardt优化算法建立的HIDS模型

4．1 BP算法的不足与改进方法

4．2 Levenberg-Marquardt算法概述

4．3 改进的LM算法

4．4 系统设计原理

4．5 模型体系结构

4．5．1 数据采集模块

4．5．2 数据预处理模块

4．5．3 规则库模块

4．5．4 检测分析模块

4．5 本章小结

第5章 实验验证

5．1 仿真实验

5．2 实验环境

5．3 LMBP-HIDS模型检测实例

5．4 实验结果分析

5．5 本章小结

结论

参考文献

攻读硕士学位期间发表的学术论文

致谢