一种基于PCA特征提取的智能型入侵检测系统设计与仿真研究

摘要

本文提出采用神经网络技术对专家系统的入侵检测进行完善。神经网络具有良好的非线性映射和自学习能力，具有建模简单、容错性强的优点，应用于入侵检测中可检测出未知攻击。检测出未知攻击后对神经网络进行规则抽取，抽取出新入侵规则，加入专家系统入侵规则库，实现入侵知识库的自动更新。因此将专家系统和神经网络相结合应用于入侵检测，可有效提高检测成功率，仿真实验表明该方法的有效性。 提出基于PCA特征提取的智能型入侵检测系统模型。该模型具有智能化特性，并对模型进行了设计实现。在神经网络模块中考虑到入侵检测数据的高维特性，采用主成分分析方法对数据进行降维处理，并用KDD Cup 99数据集进行仿真测试验证，结果表明该方法是有效的。 最后，对设计进行了仿真实验，验证模型的有效性。实验结果表明，该模型可以检测新的入侵实例，具备自适应特性，能将新的攻击模式自动抽取后加入专家系统知识库中，有进一步研究的价值。

目录

文摘

英文文摘

声明

1.绪论

1.1选题的依据和课题背景

1.2论文的主要研究内容和意义

1.3论文的组织安排

2.智能型入侵检测技术分析

2.1入侵检测概述

2.2.1入侵检测定义及模型

2.2.2入侵检测系统的分类

2.2入侵检测技术分类

2.2.1异常入侵检测

2.2.2误用入侵检测

2.2.3其它技术

2.3智能型入侵检测主要技术分析

2.3.1专家系统

2.3.2神经网络

2.3.3遗传算法

2.3.4免疫系统

2.4目前智能型入侵检测技术存在的问题

3.本系统设计关键技术研究

3.1专家系统技术

3.1.1专家系统的组成

3.1.2基于规则的专家系统

3.1.3专家系统应用于入侵检测

3.1.4专家系统应用于入侵检测的局限性

3.2神经网络技术

3.2.1人工神经元网络基本原理和功能

3.2.2 BP神经网络

3.2.3神经网络技术应用于入侵检测

3.3用PCA进行特征提取

4.基于PCA特征提取的智能型入侵检测系统设计

4.1系统模型结构设计

4.2数据采集模块设计

4.3事件分析器设计

4.4专家系统模块设计

4.4.1知识库的设计

4.4.2推理机设计

4.5神经网络模块设计

4.5.1数据包特征提取

4.5.2数据预处理

4.5.3神经网络训练模块设计

4.5.4神经网络检测模块设计

4.6规则抽取

5.仿真实验

5.1仿真实验环境

5.2 PCA有效性模拟验证

5.3仿真实验数据和实验过程

5.3.1实验数据

5.3.2实验过程

5.4仿真实验结果分析

5.5总结

6.结论

参考文献

攻读硕士研究生期间发表的学术论文

致谢