【摘要】：伴隨著信息革命浪潮的繼續(xù)推進,網(wǎng)絡(luò)得到了迅猛的發(fā)展。互聯(lián)網(wǎng)的普及率和網(wǎng)民數(shù)量已經(jīng)達(dá)到了歷史同期的最高峰,人們足不出行就可以在各種網(wǎng)絡(luò)平臺上網(wǎng)購衣服、點外賣、預(yù)約酒店、訂機票等享受各種便利。人們在享受著網(wǎng)絡(luò)發(fā)展在衣、食、住、行等各個方面帶來巨大好處的同時,不可避免的也面臨著各種嚴(yán)峻的網(wǎng)絡(luò)安全問題。早年間,防火墻技術(shù)作為主要的網(wǎng)絡(luò)安全防護手段,由于它不能抵御網(wǎng)絡(luò)內(nèi)部攻擊和不能實時檢測的局限性,促使了入侵檢測技術(shù)的誕生�；谌肭謾z測技術(shù)而發(fā)展出來的入侵檢測系統(tǒng),在實時檢測和對網(wǎng)絡(luò)內(nèi)部攻擊識別等兩個方面的突出表現(xiàn),有效的解決了防火墻技術(shù)所存在局限性。現(xiàn)如今面對日趨復(fù)雜的網(wǎng)絡(luò)環(huán)境,傳統(tǒng)的入侵檢測技術(shù)也存在著識別的類型減少、識別的精度下降等種種問題。為了應(yīng)對入侵檢測領(lǐng)域所存在的這些問題,利用人工神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)的優(yōu)勢,將入侵檢測和人工神經(jīng)網(wǎng)絡(luò)有機的結(jié)合起來,已成為網(wǎng)絡(luò)安全領(lǐng)域研究的一個重要分支。本文著眼于網(wǎng)絡(luò)安全領(lǐng)域這個重要的研究方向,研究了基于徑向基神經(jīng)網(wǎng)絡(luò)的入侵檢測技術(shù),并設(shè)計和實現(xiàn)了基于徑向基神經(jīng)網(wǎng)絡(luò)的入侵檢測系統(tǒng)。論文的主要工作包括以下四個方面:(1)介紹了當(dāng)今網(wǎng)絡(luò)安全形勢和入侵檢測技術(shù)的國內(nèi)外研究現(xiàn)狀,對入侵檢測的技術(shù)、入侵檢測系統(tǒng)以及人工神經(jīng)網(wǎng)絡(luò)進行了探究和總結(jié)。同時,對徑向基神經(jīng)網(wǎng)絡(luò)的基函數(shù)、網(wǎng)絡(luò)結(jié)構(gòu)以及相關(guān)學(xué)習(xí)算法進行了系統(tǒng)的研究。依據(jù)KDD CUP 99數(shù)據(jù)集的分布情況,對訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)進行了選取,并對所選取的數(shù)據(jù)進行了預(yù)處理。(2)為了解決基于梯度下降學(xué)習(xí)算法的徑向基神經(jīng)網(wǎng)絡(luò)穩(wěn)定性差的問題,從該模型參數(shù)初始值選取范圍這一方面著手,采用離群點檢測算法對參數(shù)基函數(shù)中心初始值選取的范圍進行有效的縮減,并使用相同的數(shù)據(jù)進行實驗測試。實驗表明,與傳統(tǒng)的基于梯度下降學(xué)習(xí)算法的徑向基神經(jīng)網(wǎng)絡(luò)相比,在檢測的準(zhǔn)確率和穩(wěn)定性這兩個方面都有所提高。(3)為了使訓(xùn)練數(shù)據(jù)具有更加優(yōu)異的訓(xùn)練效果,提高入侵檢測的準(zhǔn)確率,降低誤報率和漏報率,對基于k-means聚類學(xué)習(xí)算法的徑向基神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練數(shù)據(jù)進行離群點檢測,并進行實驗測試。實驗表明,準(zhǔn)確率更高,整體效果更好。(4)設(shè)計并實現(xiàn)了基于徑向基神經(jīng)網(wǎng)絡(luò)的入侵檢測系統(tǒng),其中系統(tǒng)后臺和前端的構(gòu)建分別是基于Java和HTML來實現(xiàn)的,該系統(tǒng)可以使用徑向基神經(jīng)網(wǎng)絡(luò)模型對數(shù)據(jù)集進行入侵檢測,并將所預(yù)測的類型和相應(yīng)的數(shù)據(jù)集內(nèi)容一同展示在最終的檢測頁面上。
【圖文】：

圖1.2論文研究思路文結(jié)構(gòu)安排的具體章節(jié)安排如下所示：章 緒論。首先介紹了入侵檢測課題的研究背景和意義，其次對入外研究現(xiàn)狀進行了闡述，并討論了現(xiàn)如今入侵檢測技術(shù)主流的方絡(luò)的結(jié)合。最后介紹了論文的主要研究內(nèi)容和結(jié)構(gòu)上的安排。章 相關(guān)技術(shù)。對入侵檢測技術(shù)和人工神經(jīng)網(wǎng)絡(luò)進行了相關(guān)的研究以下4個方面對入侵檢測技術(shù)進行探討：主要過程、系統(tǒng)模型、系類。對于人工神經(jīng)網(wǎng)絡(luò)相關(guān)知識的研究主要包括以下3個方面：發(fā)習(xí)方式。章 數(shù)據(jù)預(yù)處理。首先對KDD CUP 99數(shù)據(jù)集從標(biāo)識類型和特征類了分布情況的探究，其次依據(jù)各種標(biāo)識類型的占比情況對訓(xùn)練數(shù)了選取，并依據(jù)一定的標(biāo)準(zhǔn)進行了數(shù)值化和歸一化。最后對入侵

典型的入侵檢測系統(tǒng)模型[19]如下圖2.1所示。圖2.1典型的入侵檢測系統(tǒng)模型如果從另一個角度來看待圖2.1的模型，將入侵檢測系統(tǒng)的輸入數(shù)據(jù)稱之為事件（event），各個構(gòu)成部分稱之為模塊或是組件，那么通用入侵檢測模型（CommonIntrusion Detection Framework，，CIDF）則應(yīng)運而生。通用入侵檢測模型[20]可以更加精煉的抽象出入侵檢測系統(tǒng)的本質(zhì)。通用入侵檢測模型如下圖2.2所示。圖2.2通用入侵檢測系統(tǒng)模型如果將通用入侵檢測系統(tǒng)模型和典型的入侵檢測系統(tǒng)模型，進行一一對應(yīng)的  8 
【學(xué)位授予單位】：北方民族大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP393.08

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周星勇;;徑向基神經(jīng)網(wǎng)絡(luò)在地鐵沉降預(yù)測當(dāng)中的應(yīng)用[J];科技資訊;2017年20期

2 周振;;基于徑向基神經(jīng)網(wǎng)絡(luò)的人民幣匯率預(yù)測[J];電腦開發(fā)與應(yīng)用;2009年03期

3 張秀華;趙偉;;基于徑向基神經(jīng)網(wǎng)絡(luò)的數(shù)字館藏質(zhì)量評價研究[J];情報理論與實踐;2009年05期

4 廖薇;馮小兵;許春冬;劉錦高;;徑向基神經(jīng)網(wǎng)絡(luò)的匯率預(yù)測模型研究[J];計算機工程與應(yīng)用;2009年24期

5 師彪;李郁俠;于新花;閆旺;何常勝;孟欣;;基于改進粒子群-徑向基神經(jīng)網(wǎng)絡(luò)模型的短期電力負(fù)荷預(yù)測[J];電網(wǎng)技術(shù);2009年17期

6 陳宗海;苑明哲;向微;張彥武;;基于混合徑向基神經(jīng)網(wǎng)絡(luò)的建模及其逆模控制研究[J];模式識別與人工智能;2006年06期

7 植俊文;戴青云;黃雪賢;;一種基于徑向基神經(jīng)網(wǎng)絡(luò)的車牌字符識別方法[J];計算機應(yīng)用;2005年S1期

8 林佳;梁暉;阮u&;;基于模糊徑向基神經(jīng)網(wǎng)絡(luò)的失眠古文獻(xiàn)癥藥研究[J];中國醫(yī)藥科學(xué);2017年23期

9 蘆有鵬;楊菊;;基于徑向基神經(jīng)網(wǎng)絡(luò)的交通出行預(yù)測[J];蘭州交通大學(xué)學(xué)報;2018年02期

10 賀永春;;基于粒子群優(yōu)化算法的徑向基神經(jīng)網(wǎng)絡(luò)[J];榆林學(xué)院學(xué)報;2018年04期

相關(guān)會議論文 前10條

1 蔣豐;馮奇;;基于RBF網(wǎng)絡(luò)的受沖擊艦艇生命力分析[A];慶祝中國力學(xué)學(xué)會成立50周年暨中國力學(xué)學(xué)會學(xué)術(shù)大會’2007論文摘要集（下）[C];2007年

2 張運陶;楊曉麗;;自適應(yīng)徑向基神經(jīng)網(wǎng)絡(luò)及其應(yīng)用[A];第十屆全國信息技術(shù)化工應(yīng)用年會論文集[C];2005年

3 賀乃寶;高倩;劉永強;龔成龍;姜長生;;基于徑向基神經(jīng)網(wǎng)絡(luò)的近空間飛行器控制[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

4 曹天賜;;基于徑向基神經(jīng)網(wǎng)絡(luò)的應(yīng)變天平靜態(tài)校準(zhǔn)方法[A];北京力學(xué)會第二十五屆學(xué)術(shù)年會會議論文集[C];2019年

5 向微;陳宗海;張海濤;秦廷;王雷;李明;;基于混合徑向基神經(jīng)網(wǎng)絡(luò)的逆�？刂芠A];'2003系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2003年

6 童峰;許天增;;一種基于徑向基神經(jīng)網(wǎng)絡(luò)的消噪處理方法[A];中國聲學(xué)學(xué)會2001年青年學(xué)術(shù)會議[CYCA'01]論文集[C];2001年

7 劉峰;瞿俊;;基于聚類分析和神經(jīng)網(wǎng)絡(luò)的時間序列預(yù)測方法[A];2006年全國開放式分布與并行計算學(xué)術(shù)會議論文集（一）[C];2006年

8 劉彥麟;呂曉艷;王煜;孔德越;;徑向基神經(jīng)網(wǎng)絡(luò)模型在京津城際客流預(yù)測中的應(yīng)用研究[A];第十四屆中國智能交通年會論文集（2）[C];2019年

9 游培寒;王振家;;一種構(gòu)造徑向基神經(jīng)網(wǎng)絡(luò)的新型IPL算法[A];圖像 仿真 信息技術(shù)——第二屆聯(lián)合學(xué)術(shù)會議論文集[C];2002年

10 潘天堂;徐建生;顧卡麗;;基于RBF徑向基神經(jīng)網(wǎng)絡(luò)的摩擦學(xué)模型[A];第二屆全國工業(yè)摩擦學(xué)大會暨第七屆全國青年摩擦學(xué)學(xué)術(shù)會議會議論文集[C];2004年

相關(guān)博士學(xué)位論文 前10條

1 孫海濤;基于徑向基神經(jīng)網(wǎng)絡(luò)的無網(wǎng)格法及其應(yīng)用[D];華中科技大學(xué);2006年

2 鄒治;高校畢業(yè)生失業(yè)預(yù)警系統(tǒng)研究[D];南京航空航天大學(xué);2012年

3 周云燕;基于圖像分析理論的機械故障診斷研究[D];華中科技大學(xué);2007年

4 劉忠;基于人工免疫系統(tǒng)的水電機組智能診斷方法研究[D];華中科技大學(xué);2007年

5 柏堅;非線性數(shù)學(xué)地質(zhì)模型研究及在滇東南金礦成礦預(yù)測中的應(yīng)用[D];中國地質(zhì)大學(xué)（北京）;2010年

6 杜乃成;弧焊機器人金屬快速成形研究[D];天津大學(xué);2009年

7 劉加利;高速列車氣動噪聲特性分析與降噪研究[D];西南交通大學(xué);2013年

8 董艷慧;地下水保護理論及修復(fù)技術(shù)的研究[D];長安大學(xué);2010年

9 李波;基于圖像分析的車輛識別與跟蹤若干關(guān)鍵技術(shù)研究[D];華中科技大學(xué);2011年

10 郭遠(yuǎn)晶;面向風(fēng)電齒輪箱的角域振動信號處理與故障診斷方法研究[D];浙江大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 郝博超;基于徑向基神經(jīng)網(wǎng)絡(luò)的入侵檢測系統(tǒng)[D];北方民族大學(xué);2019年

2 翟鵬林;基于徑向基神經(jīng)網(wǎng)絡(luò)的股票配對交易策略研究[D];華僑大學(xué);2019年

3 張碩;存在時延或數(shù)據(jù)缺失的Hammerstein系統(tǒng)辨識方法研究[D];青島大學(xué);2019年

4 毛穎超;基于模糊算法和徑向基神經(jīng)網(wǎng)絡(luò)的聚類研究[D];大連理工大學(xué);2019年

5 王蕙s

本文編號：2625178