Agent与基于优化RBF神经网络相结合的入侵检测系统研究

摘要

随着计算机网络和Internet应用的飞速发展，信息共享日益广泛化，并深入到人们工作和生活的各个领域。人们对信息共享的依赖正逐渐增强，而作为信息共享基础的信息安全技术就显得更加重要。入侵检测技术是保障信息安全的一个重要组成部分，是动态安全技术的核心技术之一。入侵检测本质上是一种电子数据处理过程，按照预先确定的策略对收集到的安全审计数据进行分析处理，根据分析结果做出系统是否被入侵的结论。
　　 本文首先概述了入侵检测技术，分析了传统入侵检测系统的不足。接着深入研究了神经网络在入侵检测系统中的应用。目前，应用最广泛的神经网络是BP网络。本文采用的是径向基函数(RBF)神经网络。与BP网络相比，RBF网络不需要进行反向误差传播的计算，而是完全前向的计算过程，具有训练时间短且不易收敛到局部最小的优点，其函数逼近能力、模式识别与分类能力都优于BP网络。并且RBF网络结构也简单、学习速度快，非常适合入侵检测对于检测效率和速度的高要求。但RBF参数的设置是基于参数空间局部信息的，不是参数空间的全局最优值。所以本文引用PSO算法对RBF网络进行了简单优化，可以弥补RBF神经网络参数的设置的不足。再接着介绍了智能体(Agent)技术及其在入侵检测技术中的应用模型。
　　 在此基础之上，本文进而设计出Agent和基于优化RBF神经网络技术相结合的入侵检测系统的基本模型。该系统能自动适应复杂多变的网络环境，能通过自我学习、自我进化来提高系统的入侵检测能力，能充分利用网络资源协同完成入侵检测任务。利用这个原型系统，本文对各模块的功能进行了比较详细的介绍，同时对系统设计图、实现技术进行了讨论。最后给出了核心模块(神经网络模块)的主要实现方法和过程，并用KDD CUP99入侵数据集来模拟网络入侵攻击进行仿真实验。

目录

文摘

英文文摘

声明

第1章绪论

1.1入侵检测系统的研究背景

1.2入侵检测系统的研究现状

1.3现有入侵检测系统存在的不足

1.4研究内容及实际意义

1.4.1研究内容

1.4.2研究入侵检测系统的实际意义

第2章入侵检测概述

2.1入侵检测技术和入侵检测系统

2.1.1入侵检测技术

2.1.2入侵检测系统

2.2入侵检测技术及入侵检测系统分类

2.2.1入侵检测技术分类

2.2.2入侵检测系统分类

2.3入侵检测方法

2.4入侵检测系统功能和特征

2.5通用入侵检测系统构架

2.6入侵检测的发展方向

2.7本章小结

第3章人工神经网络

3.1人工神经网络

3.1.1人工神经网络

3.1.2人工神经网络特点

3.1.3神经网络应用于入侵检测的基本方法

3.1.4神经网络应用于入侵检测系统的优势

3.1.5用于入侵检测系统的神经网络模型

3.2径向基函数神经网络

3.2.1径向基函数神经网络简介

3.2.2径向基函数神经网络的学习策略

3.2.3径向基函数神经网络的缺陷

3.3对径向基函数神经网络进行优化

3.3.1 PSO算法概述

3.3.2 PSO算法具体实现

3.3.3 PSO算法优化RBF的入侵检测流程

3.4本章小结

第4章Agent技术及其在入侵检测中的应用

4.1 Agent技术

4.1.1 Agent技术定义

4.1.2 Agent的特性

4.1.3 Agent的体系结构

4.1.4多Agent系统及其体系结构

4.1.5 Agent的通信

4.1.6 Agent的协作

4.2 Agent在入侵检测系统中的应用

4.2.1 Agent在入侵检测系统中的应用

4.2.2 Agent应用于入侵检测的优越性

4.3基于Agent的入侵检测系统框架

4.4本章小结

第5章一种新的入侵检测系统设计和仿真

5.1新入侵检测系统的总体设计

5.1.1新入侵检测系统设计思路

5.1.2新入侵检测系统的总体设计

5.2系统模型的仿真实验和实验结果分析

5.2.1系统模型的仿真实验

5.2.2仿真实验结果和分析

5.3本章小结

结论和展望

致谢

参考文献

攻读硕士学位期间发表的论文及科研成果