基于PCA和BP神經(jīng)網(wǎng)絡(luò)的信息安全模型研究
發(fā)布時(shí)間:2024-05-25 13:50
隨著計(jì)算機(jī)信息技術(shù)的快速發(fā)展,信息安全問(wèn)題也愈發(fā)嚴(yán)峻。信息化技術(shù)已經(jīng)和我們的生活、工作甚至國(guó)家安全緊密的連接在一起,但嚴(yán)峻的信息安全形式是我們不容忽視的問(wèn)題。目前計(jì)算機(jī)系統(tǒng)的信息安全防御主要是借助防火墻、網(wǎng)閘等網(wǎng)絡(luò)安全設(shè)備,這些網(wǎng)絡(luò)安全設(shè)備主要的防御方式是借助于現(xiàn)有的病毒特征庫(kù),以一種對(duì)比識(shí)別查殺防御的方法,來(lái)保護(hù)信息的安全。這種以病毒庫(kù)對(duì)比的防御方式有一種滯后的缺陷,當(dāng)一種新型的病毒出現(xiàn)以后它不能夠馬上發(fā)現(xiàn)并發(fā)出反饋。雖然傳統(tǒng)的防火墻、加密等信息安全技術(shù)有一定的防御作用,但都屬于靜態(tài)安全技術(shù)范疇,此類(lèi)安全設(shè)備不能抵抗新型的、特征庫(kù)不具備此類(lèi)異常數(shù)據(jù)特征的病毒或攻擊,面對(duì)此類(lèi)病毒或攻擊,如果沒(méi)有設(shè)置相應(yīng)的安全策略,安全設(shè)備(例如傳統(tǒng)的防火墻、網(wǎng)閘)便失去了過(guò)濾阻斷作用使網(wǎng)絡(luò)系統(tǒng)暴漏在危險(xiǎn)之中,以及對(duì)合法開(kāi)放的端口發(fā)起的攻擊大多也無(wú)法起到安全防護(hù)的作用。伴隨著信息技術(shù)的不斷發(fā)展,新型的木馬病毒和攻擊手段也大量的出現(xiàn),基于特征庫(kù)、安全策略以及端口管控的傳統(tǒng)安全方法,面對(duì)新型的病毒和攻擊手段,不能夠以一種預(yù)先主動(dòng)識(shí)別的方式來(lái)防御計(jì)算機(jī)病毒攻擊侵害,已不能完全滿足當(dāng)前網(wǎng)絡(luò)安全的要求。而人工智能...
【文章頁(yè)數(shù)】:53 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景與意義
1.2 信息安全發(fā)展歷程
1.3 信息安全技術(shù)與網(wǎng)絡(luò)安全模型
1.3.1 常見(jiàn)的信息安全技術(shù)
1.3.2 信息安全技術(shù)的分類(lèi)
1.3.3 網(wǎng)絡(luò)安全模型
1.4 主要內(nèi)容和組織結(jié)構(gòu)
1.5 本章小結(jié)
第二章 PCA和 BP神經(jīng)網(wǎng)絡(luò)概述
2.1 網(wǎng)絡(luò)中數(shù)據(jù)的特征
2.2 降低網(wǎng)絡(luò)數(shù)據(jù)維度的PCA統(tǒng)計(jì)方法
2.2.1 降維方法的選擇
2.2.2 PCA降維原理
2.2.3 PCA應(yīng)用在信息安全中的優(yōu)勢(shì)
2.3 人工神經(jīng)網(wǎng)絡(luò)
2.3.1 人工神經(jīng)元模型
2.3.2 典型傳輸函數(shù)
2.3.3 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)
2.3.4 人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)規(guī)則
2.3.5 人工神經(jīng)網(wǎng)絡(luò)用于信息安全的優(yōu)勢(shì)
2.4 本章小結(jié)
第三章 PCA結(jié)合改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)分類(lèi)器
3.1 異常網(wǎng)絡(luò)數(shù)據(jù)檢測(cè)分類(lèi)器模型
3.2 模型中PCA降維方法實(shí)現(xiàn)
3.3 BP神經(jīng)網(wǎng)絡(luò)模塊
3.3.1 BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程
3.3.2 BP算法的改進(jìn)及實(shí)現(xiàn)方法
3.4 本章小結(jié)
第四章 PCA和 BP神經(jīng)網(wǎng)絡(luò)信息安全模型仿真實(shí)驗(yàn)及分析
4.1 實(shí)驗(yàn)數(shù)據(jù)源
4.2 仿真平臺(tái)選取
4.2.1 MATLAB仿真平臺(tái)
4.2.2 PCA特征提取模塊相關(guān)函數(shù)
4.2.3 BP神經(jīng)網(wǎng)絡(luò)模塊相關(guān)函數(shù)
4.3 仿真過(guò)程及實(shí)驗(yàn)源碼
4.3.1 準(zhǔn)備階段
4.3.2 數(shù)據(jù)歸一化
4.3.3 仿真階段
4.3.4 部分仿真源碼及解析
4.4 仿真結(jié)果及分析
4.4.1 仿真結(jié)果
4.4.2 對(duì)比試驗(yàn)
4.4.3 結(jié)果分析
4.5 本章小結(jié)
第五章 總結(jié)與展望
5.1 總結(jié)
5.2 展望
致謝
參考文獻(xiàn)
附錄 :讀研期間科研情況
本文編號(hào):3982191
【文章頁(yè)數(shù)】:53 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景與意義
1.2 信息安全發(fā)展歷程
1.3 信息安全技術(shù)與網(wǎng)絡(luò)安全模型
1.3.1 常見(jiàn)的信息安全技術(shù)
1.3.2 信息安全技術(shù)的分類(lèi)
1.3.3 網(wǎng)絡(luò)安全模型
1.4 主要內(nèi)容和組織結(jié)構(gòu)
1.5 本章小結(jié)
第二章 PCA和 BP神經(jīng)網(wǎng)絡(luò)概述
2.1 網(wǎng)絡(luò)中數(shù)據(jù)的特征
2.2 降低網(wǎng)絡(luò)數(shù)據(jù)維度的PCA統(tǒng)計(jì)方法
2.2.1 降維方法的選擇
2.2.2 PCA降維原理
2.2.3 PCA應(yīng)用在信息安全中的優(yōu)勢(shì)
2.3 人工神經(jīng)網(wǎng)絡(luò)
2.3.1 人工神經(jīng)元模型
2.3.2 典型傳輸函數(shù)
2.3.3 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)
2.3.4 人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)規(guī)則
2.3.5 人工神經(jīng)網(wǎng)絡(luò)用于信息安全的優(yōu)勢(shì)
2.4 本章小結(jié)
第三章 PCA結(jié)合改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)分類(lèi)器
3.1 異常網(wǎng)絡(luò)數(shù)據(jù)檢測(cè)分類(lèi)器模型
3.2 模型中PCA降維方法實(shí)現(xiàn)
3.3 BP神經(jīng)網(wǎng)絡(luò)模塊
3.3.1 BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程
3.3.2 BP算法的改進(jìn)及實(shí)現(xiàn)方法
3.4 本章小結(jié)
第四章 PCA和 BP神經(jīng)網(wǎng)絡(luò)信息安全模型仿真實(shí)驗(yàn)及分析
4.1 實(shí)驗(yàn)數(shù)據(jù)源
4.2 仿真平臺(tái)選取
4.2.1 MATLAB仿真平臺(tái)
4.2.2 PCA特征提取模塊相關(guān)函數(shù)
4.2.3 BP神經(jīng)網(wǎng)絡(luò)模塊相關(guān)函數(shù)
4.3 仿真過(guò)程及實(shí)驗(yàn)源碼
4.3.1 準(zhǔn)備階段
4.3.2 數(shù)據(jù)歸一化
4.3.3 仿真階段
4.3.4 部分仿真源碼及解析
4.4 仿真結(jié)果及分析
4.4.1 仿真結(jié)果
4.4.2 對(duì)比試驗(yàn)
4.4.3 結(jié)果分析
4.5 本章小結(jié)
第五章 總結(jié)與展望
5.1 總結(jié)
5.2 展望
致謝
參考文獻(xiàn)
附錄 :讀研期間科研情況
本文編號(hào):3982191
本文鏈接:http://sikaile.net/guanlilunwen/tongjijuecelunwen/3982191.html
最近更新
教材專(zhuān)著