神经网络技术在入侵检测中的辅助应用及基于网络入侵检测模型的设计实现

摘要

该文首先对入侵检测系统原理结构等进行了详细的阐述,并概述了它的分类和相关的协议以及人工智能技术在入侵检测方面的应用情况,接着重点讨论了我们设计的原型系统所用到的神经网络技术,并对BP算法及其改进算法的推演和相关知识进行了描述.对于BP网络,训练样本数据、网络结构,初始权值和阈值、学习率以及动量因子的关系非常紧密,训练的效率和收敛性与这些因素都有关系.在BP改进算法的基础上,我们设计了原型系统,在文中给出了设计思想和算法,以及样本数据收集的手段和方法.为使神经网络获得更多的有用信息,在神经网络的输入中包含了单包信息和包序列信息;对单包还进行了过滤,使单包信息更加完整.对实验的结果进行了比较客观的分析,实验的结果也相当令人满意,说明神经网络在基于网络的入侵检测方面具有很大的优势.原型系统具有通用性和可扩展性,能够根据需要灵活调整网络结构和训练参数,可以发展为更精确的网络入侵检测系统.

目录

文摘

英文文摘

第一章绪论

1.1论文的研究背景

1.2入侵检测系统

1.2.1入侵检测技术研究历史

1.2.2国内外产品及研究现状

1.2.3入侵检测技术的发展方向

1.3论文的研究内容

1.4论文的组织安排

第二章入侵检测与智能技术

2.1网络安全技术

2.2入侵检测的概念

2.2.1什么是入侵检测系统

2.2.2入侵检测是对传统安全技术的必要补充

2.3入侵检测系统的功能

2.3.1检测入侵

2.3.2远程管理

2.3.3抗欺骗能力

2.3.4自身安全性

2.4入侵检测系统的体系结构及技术途径

2.4.1体系结构

2.4.2形式化描述

2.4.3入侵检测的技术途径

2.5入侵检测系统的分类和原理

2.6入侵检测有关的协议与模型

2.6.1入侵检测的通信协议

2.6.2 CIDF模型

2.7网络安全技术的结合

2.8人工智能技术在入侵检测中的应用

2.8.1入侵检测的软计算方法

2.8.2基于专家系统的入侵检测方法

2.8.3计算机免疫系统

第三章人工神经网络在入侵检测中的应用

3.1人工神经网络的组成

3.2多层前向人工神经网络

3.2.1三层前向人工神经网络的结构

3.2.2前向人工神经网络的计算过程

3.2.3多层前向人工神经网络的学习过程

3.2.4多层前向人工神经网络的非线性逼近能力

3.3基于网络入侵检测中的神经网络应用

3.3.1神经网络对传统检测方法的补充

3.3.2神经网络检测的优势

3.3.3神经网络检测的劣势

3.3.4实现方法

第四章基于网络的实时入侵检测模型的设计与实现

4.1采用人工神经网络技术的实时入侵检测模型

4.1.1模型原理图

4.1.2神经网络图

4.2网络数据处理

4.2.1学习样本的收集和整理原则

4.2.2 TCP/I P概述

4.2.3单包数据的处理

4.2.3包序列信息的处理

4.3神经网络的训练

4.3.1反向传播学习算法

4.3.2反向传播算法中存在的一些问题及改进措施

4.3.3对神经网络学习方法的一些说明

4.3.4神经网络原型设计中的实现框图和程序算法

4.4神经网络的检测

4.5原型系统的实现

4.5.1抓包引擎模块

4.5.2包过滤模块

4.5.3训练样本生成模块

4.5.4神经网络训练模块

4.5.5神经网络检测模块

第五章实验分析和问题的讨论

5.1实验结果与分析

5.1.1训练样本的组织

5.1.2网络训练过程

5.1.3神经网络的测试过程

5.2问题的考虑和一些新的想法

第六章结束语

6.1论文工作总结

6.2进一步的研究

致谢

参考文献