基于神經(jīng)網(wǎng)絡(luò)的入侵檢測技術(shù)研究與應(yīng)用
發(fā)布時(shí)間:2021-06-17 16:17
隨著當(dāng)今計(jì)算機(jī)網(wǎng)絡(luò)的迅速發(fā)展和規(guī)模的日益增大,計(jì)算機(jī)網(wǎng)絡(luò)對人們的生活的影響也日益的增加,網(wǎng)絡(luò)入侵的安全問題也變得更加重要。網(wǎng)絡(luò)知識的普及和發(fā)展,也使得網(wǎng)絡(luò)入侵者不斷增多,攻擊方式也一直在更新,單一的防火墻為主的被動防御已經(jīng)無法保證系統(tǒng)的安全。入侵檢測技術(shù)是一種主動防御的技術(shù),可以從網(wǎng)絡(luò)系統(tǒng)中提取關(guān)鍵信息,并迅速的對內(nèi)部或外部的網(wǎng)絡(luò)入侵做出判斷和保護(hù)。入侵檢測技術(shù)也同時(shí)可以和其他的網(wǎng)絡(luò)安全產(chǎn)品相結(jié)合,提供有效的網(wǎng)絡(luò)安全維護(hù),從而成為網(wǎng)絡(luò)安全的重要保障。然而傳統(tǒng)的入侵檢測系統(tǒng)對網(wǎng)絡(luò)入侵的防御的差錯(cuò)率都會比較高,占用資源高,其中有些不能及時(shí)防御一些突發(fā)的入侵事件,有些不能識別未知的和變化的網(wǎng)絡(luò)攻擊行為,所以在入侵檢測的有效性、靈活性和響應(yīng)能力等方面都有一定的局限性;谏窠(jīng)網(wǎng)絡(luò)的入侵檢測系統(tǒng)有一定的學(xué)習(xí)和自適應(yīng)的能力,神經(jīng)網(wǎng)絡(luò)可以不斷的學(xué)習(xí)更新,對網(wǎng)絡(luò)中的數(shù)據(jù)信息進(jìn)行分類處理,從大量的數(shù)據(jù)中提取重要的特征值,對網(wǎng)絡(luò)數(shù)據(jù)的這些特征值進(jìn)行更準(zhǔn)確的分析,來識別入侵信息。本文在研究入侵檢測方法的基礎(chǔ)上,分析了入侵檢測技術(shù)發(fā)展的歷史和現(xiàn)狀,總結(jié)了入侵檢測系統(tǒng)的概述和體系結(jié)構(gòu),將神經(jīng)網(wǎng)絡(luò)的入侵檢測分成數(shù)...
【文章來源】:吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:50 頁
【學(xué)位級別】:碩士
【部分圖文】:
神經(jīng)網(wǎng)絡(luò)建立界面設(shè)置通過對輸入輸出層、傳遞函數(shù)、訓(xùn)練次數(shù)以及動量因子等的設(shè)置,為建立神
檢測樣本 檢測結(jié)果樣本總數(shù) 2000正常數(shù)據(jù) 1000異常數(shù)據(jù) 1000正確檢測樣本數(shù) 1832異常檢測為正常樣本數(shù) 81正常檢測為異常樣本數(shù) 87 中得出:率 = 正確檢測樣本數(shù)/樣本總數(shù) = 91.6%率 = 異常檢測為正常樣本數(shù)/樣本總數(shù) = 4.05%率 = 正常檢測為異常樣本數(shù)/樣本總數(shù) = 4.35% 為入侵檢測過程的畫面。
【參考文獻(xiàn)】:
期刊論文
[1]基于BP神經(jīng)網(wǎng)絡(luò)的入侵檢測算法[J]. 胡明霞. 計(jì)算機(jī)工程. 2012(06)
[2]基于改進(jìn)的遺傳神經(jīng)網(wǎng)絡(luò)入侵檢測系統(tǒng)[J]. 黃勤,龔海清,劉金亨,孔祥龍. 重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(02)
[3]基于關(guān)聯(lián)規(guī)則的網(wǎng)絡(luò)入侵檢測方法[J]. 陳洪泉,霍志凱. 電子科技大學(xué)學(xué)報(bào). 2009(S1)
[4]基于數(shù)據(jù)挖掘的分布式網(wǎng)絡(luò)入侵檢測系統(tǒng)設(shè)計(jì)及實(shí)現(xiàn)[J]. 傅德勝,周舒,郭萍. 計(jì)算機(jī)科學(xué). 2009(03)
[5]入侵檢測系統(tǒng)研究綜述[J]. 林果園,曹天杰. 計(jì)算機(jī)應(yīng)用與軟件. 2009(03)
[6]基于混合入侵檢測技術(shù)的網(wǎng)絡(luò)入侵檢測方法[J]. 尹才榮,葉震,單國華,趙曉峰. 合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2009(01)
[7]基于BP神經(jīng)網(wǎng)絡(luò)和特征選擇的入侵檢測模型[J]. 吳峻,李洋. 計(jì)算機(jī)工程與應(yīng)用. 2008(30)
[8]基于分布式學(xué)習(xí)的大規(guī)模網(wǎng)絡(luò)入侵檢測算法[J]. 劉衍珩,田大新,余雪崗,王健. 軟件學(xué)報(bào). 2008(04)
[9]基于人工智能技術(shù)的網(wǎng)絡(luò)入侵檢測的若干方法[J]. 周荃,王崇駿,王珺,周新民,陳世福. 計(jì)算機(jī)應(yīng)用研究. 2007(05)
[10]基于CIDF的網(wǎng)絡(luò)入侵檢測系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 常佶,陳志堅(jiān). 內(nèi)蒙古工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2006(02)
本文編號:3235520
【文章來源】:吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:50 頁
【學(xué)位級別】:碩士
【部分圖文】:
神經(jīng)網(wǎng)絡(luò)建立界面設(shè)置通過對輸入輸出層、傳遞函數(shù)、訓(xùn)練次數(shù)以及動量因子等的設(shè)置,為建立神
檢測樣本 檢測結(jié)果樣本總數(shù) 2000正常數(shù)據(jù) 1000異常數(shù)據(jù) 1000正確檢測樣本數(shù) 1832異常檢測為正常樣本數(shù) 81正常檢測為異常樣本數(shù) 87 中得出:率 = 正確檢測樣本數(shù)/樣本總數(shù) = 91.6%率 = 異常檢測為正常樣本數(shù)/樣本總數(shù) = 4.05%率 = 正常檢測為異常樣本數(shù)/樣本總數(shù) = 4.35% 為入侵檢測過程的畫面。
【參考文獻(xiàn)】:
期刊論文
[1]基于BP神經(jīng)網(wǎng)絡(luò)的入侵檢測算法[J]. 胡明霞. 計(jì)算機(jī)工程. 2012(06)
[2]基于改進(jìn)的遺傳神經(jīng)網(wǎng)絡(luò)入侵檢測系統(tǒng)[J]. 黃勤,龔海清,劉金亨,孔祥龍. 重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(02)
[3]基于關(guān)聯(lián)規(guī)則的網(wǎng)絡(luò)入侵檢測方法[J]. 陳洪泉,霍志凱. 電子科技大學(xué)學(xué)報(bào). 2009(S1)
[4]基于數(shù)據(jù)挖掘的分布式網(wǎng)絡(luò)入侵檢測系統(tǒng)設(shè)計(jì)及實(shí)現(xiàn)[J]. 傅德勝,周舒,郭萍. 計(jì)算機(jī)科學(xué). 2009(03)
[5]入侵檢測系統(tǒng)研究綜述[J]. 林果園,曹天杰. 計(jì)算機(jī)應(yīng)用與軟件. 2009(03)
[6]基于混合入侵檢測技術(shù)的網(wǎng)絡(luò)入侵檢測方法[J]. 尹才榮,葉震,單國華,趙曉峰. 合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2009(01)
[7]基于BP神經(jīng)網(wǎng)絡(luò)和特征選擇的入侵檢測模型[J]. 吳峻,李洋. 計(jì)算機(jī)工程與應(yīng)用. 2008(30)
[8]基于分布式學(xué)習(xí)的大規(guī)模網(wǎng)絡(luò)入侵檢測算法[J]. 劉衍珩,田大新,余雪崗,王健. 軟件學(xué)報(bào). 2008(04)
[9]基于人工智能技術(shù)的網(wǎng)絡(luò)入侵檢測的若干方法[J]. 周荃,王崇駿,王珺,周新民,陳世福. 計(jì)算機(jī)應(yīng)用研究. 2007(05)
[10]基于CIDF的網(wǎng)絡(luò)入侵檢測系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 常佶,陳志堅(jiān). 內(nèi)蒙古工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2006(02)
本文編號:3235520
本文鏈接:http://sikaile.net/guanlilunwen/ydhl/3235520.html
最近更新
教材專著