基于LM-BP神经网络入侵检测系统的研究与实现

摘要

随着 Internet 的高速发展，网络安全问题也日益严重。使用防火墙、VPN、加密技术等传统的网络安全技术在一定程度上对于维护网络安全能起到一定的作用，但作为一种被动技术，有其固有的不足。入侵检测技术因其不仅能检测来自外部的入侵行为，同时也监督网络内部用户的异常活动，在网络安全领域正发挥着越来越重要的作用。但是随着入侵技术的发展，入侵检测系统也面临着新的挑战。本文探讨了如何结合神经网络进行入侵检测，并主要做了以下的工作： 1、对现有入侵检测系统的优、缺点进行分析，指出当前常见入侵检测系统存在的问题和面临的挑战，归纳入侵检测技术的发展方向；对神经网络的结构及训练进行研究和阐述，对神经网络所具有的自适应、自学习和并行高速处理等特点进行分析，指出在误用入侵检测系统中结合神经网络技术的新型入侵检测系统具有很高的研究、应用价值。 2、针对传统BP神经网络存在收敛速度慢、易陷入局部最小点、计算量大的不足，提出一种结合 Levenberg-Marquardt优化算法BP神经网络。利用Matlab，对优化的LM-BP神经网络与传统的BP神经网络进行对比实验和分析，寻求出最优的网络相关参数。实验证明，优化的LM-BP神经网络具有更好的性能。 3、通过对神经网络和入侵检测系统的深入研究，设计并实现了一个基于LM-BP神经网络的入侵检测模型(LM-BP NNIDS)。实验结果表明，新模型结合了异常检测和误用检测两者的优势，能快速检测新型入侵，降低误警率和漏警率。

目录

文摘

英文文摘

论文说明：图表目录

声明

第1章绪论

1.1网络安全的主要威胁

1.2典型的入侵介绍

1.3国内外的研究现状与发展趋势

1.3.1、国内外的研究现状

1.3.2入侵检测技术研究的发展趋势

1.4论文的研究内容和结构

第2章入侵检测概述

2.1入侵检测的基本概念

2.1.1入侵检测的产生及定义

2.1.2入侵检测系统的分类

2.2常用的入侵检测技术及性能评估

2.2.1误用检测技术

2.2.2异常检测技术

2.3入侵检测系统的标准化及发展方向

2.3.1入侵检测的标准化

2.3.2入侵检测的发展方向

2.4小结

第3章神经网络概述

3.1神经网络的相关概念

3.1.1什么是神经网络

3.1.2神经网络的工作原理

3.2神经网络的发展历程和典型神经网络类型

3.3神经网络的特点和应用领域

3.3.1神经网络的特点

3.3.2神经网络的优点与缺点

3.3.3神经网络的主要应用领域

3.4神经网络的主要学习方法

3.5小结

第4章神经网络的算法研究和实验结果

4.1 BP算法

4.2 LM-BP算法

4.3仿真实验

4.3.1 BP网络的结构

4.3.2 BP网络训练的数据源

4.3.3 BP网络参数的确定

4.5小结

第5章基于神经网络IDS的设计与实现

5.1 LM-BPNNIDS系统的设计与分析

5.2 LM-BPNNIDS系统的实现和使用

5.3小结

总结和展望

论文完成的主要工作

进一步的研究工作

参考文献

致谢

附录