一种改进的WLAN智能入侵检测算法研究

摘要

目前，移动终端作为一种便利的通讯设备，在人们日常生活中占有重要地位。WLAN作为移动通讯的重要载体，如何增强其自身的安全性，正受到国内外学者的普遍关注。将智能算法应用到WLAN入侵检测领域，对移动通讯发展具有十分重要的意义。
　　 本文在分析WLAN的网络安全威胁和入侵检测系统功能需求的基础上，给出了入侵检测系统的结构，描述了基于特征报文选择和集成学习的WLAN智能入侵检测算法原理。
　　 首先，针对系统实时性和能耗需要，提出了一种基于改进灰色动态模型的特征报文选择算法。WLAN内移动终端收到的数据中，存在大量与最终入侵检测无关的数据、冗余数据和伪装数据，给监测系统增加了大量的无效的数据处理负担，既浪费了终端资源也降低了系统反应速度。为了筛除大量与最终入侵分类无关的网络数据，提高入侵检测效率，从而满足系统实时性和能耗需要，利用灰色动态模型，从报文含有的大量特征信息中，找出能反映最终分类结果的特征报文，并利用遗传算法对模型进行优化，提升性能。
　　 然后，针对WLAN网络入侵的特点，系统快速响应及准确性的需要，提出了一种基于信息熵的入侵集成学习算法。分别利用神经网络和SVM建立入侵分类模型，再利用信息熵算法对两个模型进行集成，达到提高移动终端的网络安全能力的目的。
　　 最后，分析了入侵检测系统的硬件平台、系统结构以及核心软件控制算法的具体实现。在此基础上给出仿真测试的方法，并以仿真测试的结果论证本文方法的有效性。

目录

声明

摘要

插图索引

附表索引

第1章 绪论

1．1 研究背景及意义

1．2 国内外研究现状

1．3 存在问题及解决方法

1．3．1 终端资源开销难题

1．3．2 WLAN网络入侵的复杂性

1．3．3 基于集成学习的入侵检测方法

1．4 主要研究内容及论文结构

第2章 WLAN与入侵检测系统

2．1 WLAN的组网结构

2．2 WLAN的安全特点性分析

2．3 入侵检测系统功能分析

2．4 WLAN入侵检测系统总体设计

2．4．1 入侵检测系统结构

2．4．2 入侵检测算法原理

2．5 小结

第3章 基于灰色动态模型的特征报文选择

3．1 特征报文选择算法

3．2 基于灰色动态模型的特征报文选择算法

3．2．1 网络报文的编码表示

3．2．2 灰色动态模型的实现

3．3 基于遗传算法的模型优化

3．3．1 GA优化原理

3．3．2 GA算法实现

3．4 小结

第4章 基于集成学习的WLAN入侵检测

4．1 基于集成学习的入侵分类算法

4．2 神经网络算子的设计

4．2．1 隐层的设计

4．2．2 输入和输出的选取

4．2．3 隐层神经元数目的选择

4．2．4 BP神经网络学习方式的设计

4．3 SVM算子设计

4．4 基于信息熵的模型集成

4．5 小结

第5章 系统实现与仿真测试

5．1 测试平台

5．1．1 硬件平台

5．1．2 系统结构

5．2 系统实现

5．2．1 网络包捕获技术

5．2．2 特征报文选择子系统的实现

5．2．3 入侵检测子系统的实现

5．3 系统测试

5．3．1 入侵检测测试数据

5．3．2 入侵检测性能指标

5．3．3 测试结果

5．4 小结

结论

参考文献

致谢