基于神经网络的NDN入侵检测方法

摘要

为了从根本上解决现有互联网络中存在的问题,人们对未来网络架构进行了深入研究,其中命名数据网络(Named Data Networking,NDN)在可扩展性、安全性、数据分发等方面具有极大优势,得到了学术界和产业界的广泛重视,但同时也带来了新的安全隐患。一些新的攻击方式对NDN危害巨大,包括缓存污染攻击、兴趣泛洪攻击和内容污染攻击等。因特网服务提供商(Internet Service Provider,ISP)在实际部署NDN时,必然需要一个统一、智能、可扩展的入侵检测方法来为网络的安全性提供支持。BP神经网络具有一定的自适应与自组织能力,在分类预测方面具备良好的性能。因此,基于BP神经网络,设计并实现了命名数据网络的入侵检测方法。仿真结果表明,该方法对网络攻击的分类准确性和辨识效率较高。