基于BP神经网络入侵检测算法研究

摘要

近年来,网络安全问题得到了越来越多人的关注,作为网络安全重要技术之一,入侵检测技术经历了近三十年的发展,但其仍存在若干不足因素(比如检测实时性差,需手动更新规则库等),将BP神经网络应用于网络入侵检测能有效针对上述不足,却又存在系统误报率、漏报率较高等问题。
　　针对传统BP神经网络入侵检测模型在检测率和收敛速度等方面的缺陷,将改进型PSO-BP神经网络应用于入侵检测系统模型中,选用KDDCUP1999中的Dos攻击和Probing攻击数据集,通过Microsoft Visual Studio 2010及Matlab 2010b进行仿真实验,验证系统在漏报率、误报率以及收敛速度方面的改进效果。目前,神经网络广泛应用于各个领域并取得了较好的成果,文章之所以进行这样的尝试,主要因为:(1)区别于传统入侵检测技术,将神经网络应用于入侵检测可以通过训练的方法获取预知能力,对于新的入侵方式,可以通过再训练的方法使神经网络对新的攻击做出响应,保证了系统的自适应能力;(2)神经网络具有一定的容错处理能力及较强的鲁棒性,适用于基于网络的入侵检测系统;(3)神经网络具有快速的匹配能力,使其能够保证系统实时性的要求。
　　文章首先论述了网络攻击类型,通过对各种攻击技术的原理进行分析,引出入侵检测技术,并对入侵检测发展方向进行了探讨。
　　其次详细分析了标准BP神经网络算法及常用的改进方式,其中包括梯度下降算法和附加动量算法等。针对BP神经网络局部搜索能力和粒子群算法的全局搜索能力,详细描述将粒子群算法应用于BP神经网络的情形,并论述了改进型PSO-BP神经网络的算法流程。
　　最后论述改进型PSO-BP神经网络入侵检测的系统模型,选用KDDCUP1999数据集进行仿真实验,验证入侵检测模型在检测Dos攻击和Probing扫描攻击,在系统漏报率、误报率以及收敛速度方面的改进,说明了改进型PSO-BP神经网络应用于入侵检测系统的有效性和可行性。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪 论

1.1 课题研究背景

1.2 国内外研究现状

1.3 本文的研究内容

1.4 论文的组织结构

第2章网络攻击原理及入侵检测技术

2.1 网络攻击类型

2.2 入侵检测技术及发展前景

2.3现有入侵检测研究方法

2.4本章小结

第3章 基于BP神经网络的入侵检测算法研究及改进

3.1人工神经网络

3.2 BP神经网络算法分析

3.3 BP算法改进

3.4 本章小结

第4章 基于PSO-BP神经网络入侵检测系统设计

4.1 BP神经网络原型总体结构

4.2 实验环境

4.3神经网络参数选取

4.4 仿真结果分析

4.5本章小结

第5章 总结和展望

5.1 本文工作的总结

5.2 下一步的研究工作

参考文献

致谢

附录 硕士阶段发表的学术论文