隨著互聯(lián)網(wǎng)絡(luò)時(shí)代的到來,信息一體化在當(dāng)今互聯(lián)網(wǎng)時(shí)代扮演著非常重要的角色,極大地改善了人們的日常生活,同時(shí)也給人們的生活帶來巨大的安全隱患。人們的重要信息將有可能被黑客、病毒或惡意軟件侵犯的潛在危險(xiǎn),進(jìn)而嚴(yán)重威脅到個(gè)人信息和財(cái)產(chǎn)安全。為了保護(hù)人們的信息和財(cái)產(chǎn)安全,盡量避免非法入侵攻擊對人民信息造成各種傷害。越來越多的研究者致力于網(wǎng)絡(luò)安全系統(tǒng)研究。到目前為止,最受人們親睞且應(yīng)用最廣泛的網(wǎng)絡(luò)安全系統(tǒng)為IDS（網(wǎng)絡(luò)入侵檢測系統(tǒng)）,在預(yù)防、阻止攻擊和非法入侵方面,都取得了很好的效果,該系統(tǒng)是根據(jù)已有設(shè)定好的安全策略,通過檢測所需安裝軟件、凈化計(jì)算機(jī)工作環(huán)境以及檢測外部的網(wǎng)絡(luò)環(huán)境,達(dá)到保護(hù)計(jì)算機(jī)的目的。在遭受攻擊和入侵之前,盡最大努力發(fā)現(xiàn)并消滅它們,從而確保計(jì)算機(jī)系統(tǒng)的運(yùn)行安全。IDS系統(tǒng)依然存在很多的安全缺陷,本文課題的研究目標(biāo)有兩點(diǎn):（1）提高網(wǎng)絡(luò)入侵檢測的準(zhǔn)確度;（2）降低網(wǎng)絡(luò)入侵檢測的誤報(bào)率。為了達(dá)到這兩個(gè)目標(biāo),將深度學(xué)習(xí)中的先進(jìn)技術(shù)用于網(wǎng)絡(luò)入侵檢測領(lǐng)域中,并且設(shè)計(jì)一種融合卷積神經(jīng)網(wǎng)絡(luò)和雙向長短期記憶網(wǎng)絡(luò)的優(yōu)化模型,用于網(wǎng)絡(luò)入侵檢測系統(tǒng)中。另外,為了提高該模型中卷積神經(jīng)網(wǎng)絡(luò)的檢測性能,需將... 

【文章來源】：內(nèi)蒙古科技大學(xué)內(nèi)蒙古自治區(qū)

【文章頁數(shù)】：54 頁

【學(xué)位級別】：碩士

【部分圖文】：

卷積層工作原理示意圖

圖4.1 LSTM 的網(wǎng)絡(luò)結(jié)構(gòu)圖 在處理序列數(shù)據(jù)時(shí)，相比 RNN 具有明顯的優(yōu)勢。該網(wǎng)絡(luò)結(jié)構(gòu)能夠彌補(bǔ)據(jù)時(shí)的不足，從而取得更好的實(shí)驗(yàn)效果。長短期記憶神經(jīng)網(wǎng)絡(luò)之所以能夠網(wǎng)絡(luò)的的不足，是因?yàn)?LSTM 在循環(huán)神經(jīng)網(wǎng)絡(luò)中加入了長短期記憶模塊。型中含有一個(gè)有記憶功能的記憶存儲(chǔ)單元（Memory Cell），結(jié)構(gòu)圖如圖titotctfInput Gate Output GateForget Gatetxth

數(shù)據(jù)預(yù)處理CNN-BiLSTM模型softmax分類器Attention圖5.1 基于CNN-BiLSTM 的網(wǎng)絡(luò)入侵檢測原理框圖5.2 網(wǎng)絡(luò)數(shù)據(jù)采集來源5.2.1 歷史數(shù)據(jù)的采集在網(wǎng)絡(luò)入侵檢測領(lǐng)域中，可用于深度學(xué)習(xí)訓(xùn)練的公認(rèn)且具有較大的數(shù)據(jù)集少之又少，本文選用的是在其領(lǐng)域的公認(rèn)的 KDDcup99 數(shù)據(jù)集。其中 KDDcup99 數(shù)據(jù)集含有五種攻擊類型：Dos、Normal、Probe、R2L、U2R，包含 41 個(gè)固定特征屬性和一個(gè)類別標(biāo)識(shí)，用類別標(biāo)識(shí)表示記錄是否異常[51]。KDDcup99 有 500 萬條記錄，包含 10%的測試集和訓(xùn)練集。如圖 5.2 所示，展示了 KDD CUP99 數(shù)據(jù)集中的一小部分的數(shù)據(jù)。我們從 KDDCUP99 數(shù)據(jù)集中選擇了 50 萬條記錄用于本文實(shí)驗(yàn)的訓(xùn)練，從中選 25 萬條記錄用于測試。

【參考文獻(xiàn)】：
期刊論文
[1]基于PF-LSTM網(wǎng)絡(luò)的高效網(wǎng)絡(luò)流量預(yù)測方法[J]. 李校林,吳騰.  計(jì)算機(jī)應(yīng)用研究. 2019(12)
[2]遙感圖像分類方法綜述[J]. 張?jiān)?楊海濤,袁春慧.  兵器裝備工程學(xué)報(bào). 2018(08)
[3]自駕駛中的交互認(rèn)知[J]. 馬楠,高躍,李佳洪,李德毅.  中國科學(xué):信息科學(xué). 2018(08)
[4]面向網(wǎng)絡(luò)入侵檢測系統(tǒng)的深度卷積神經(jīng)網(wǎng)絡(luò)模型[J]. 劉月峰,王成,張亞斌,苑江浩.  內(nèi)蒙古科技大學(xué)學(xué)報(bào). 2018(01)
[5]一種基于IPSO-SVM算法的網(wǎng)絡(luò)入侵檢測方法[J]. 馬占飛,陳虎年,楊晉,李學(xué)寶,邊琦.  計(jì)算機(jī)科學(xué). 2018(02)
[6]深度學(xué)習(xí)應(yīng)用于網(wǎng)絡(luò)空間安全的現(xiàn)狀、趨勢與展望[J]. 張玉清,董穎,柳彩云,雷柯楠,孫鴻宇.  計(jì)算機(jī)研究與發(fā)展. 2018(06)
[7]一種面向云中心網(wǎng)絡(luò)入侵檢測的多模式匹配算法[J]. 趙國鋒,葉飛,姚永安,趙巖.  信息網(wǎng)絡(luò)安全. 2018(01)
[8]基于可靠性的正則化加權(quán)軟k-均值的子空間聚類[J]. 李新玉,徐桂云,任世錦,楊茂云.  南京大學(xué)學(xué)報(bào)(自然科學(xué)). 2017(03)
[9]卷積神經(jīng)網(wǎng)絡(luò)概述[J]. 侯宇昆.  中國新通信. 2017(09)
[10]基于神經(jīng)網(wǎng)絡(luò)的文本表示模型新方法[J]. 曾誰飛,張笑燕,杜曉峰,陸天波.  通信學(xué)報(bào). 2017(04)

碩士論文
[1]基于深度學(xué)習(xí)的虹膜圖像加密與活體檢測算法研究[D]. 張慶.中國礦業(yè)大學(xué) 2017
[2]基于雙向LSTMN神經(jīng)網(wǎng)絡(luò)的中文分詞研究分析[D]. 黃積楊.南京大學(xué) 2016
[3]基于IDS的計(jì)算機(jī)犯罪證據(jù)動(dòng)態(tài)取證技術(shù)研究[D]. 吳琪.吉林大學(xué) 2007
[4]IDS控制前端設(shè)計(jì)與實(shí)現(xiàn)[D]. 梅宏.昆明理工大學(xué) 2006



本文編號：2975417