隨著互聯(lián)網(wǎng)與生活的日益融合,網(wǎng)絡拓撲結(jié)構(gòu)和連接設備也越來越復雜,網(wǎng)絡安全的重要性也越發(fā)突出。網(wǎng)絡檢測技術(shù)在維護網(wǎng)絡安全方面發(fā)揮重要作用,主要工作是對當前網(wǎng)絡狀態(tài)進行連續(xù)檢測,通過檢測發(fā)現(xiàn)網(wǎng)絡中的異常行為狀態(tài),及時預警提醒網(wǎng)絡管理人員。網(wǎng)絡檢測系統(tǒng)的及時性和準確性關乎當前網(wǎng)絡的可用性和可靠性。本文首先研究了將深度學習技術(shù)應用于網(wǎng)絡入侵檢測領域,借助深度學習算法自動提取入侵數(shù)據(jù)特征的能力,避免人工篩選特征的工作,提出了一種基于改進卷積神經(jīng)網(wǎng)絡的入侵檢測方法。該方法主要做了兩方面改進:一方面使用Inception模塊的多尺寸卷積和多層次特征融合強化對入侵數(shù)據(jù)特征的提取,在特征維度構(gòu)建稀疏結(jié)構(gòu),取代卷積層單一的特征提取方式;另一方面是對池化層的優(yōu)化,搭建并行降維結(jié)構(gòu)取代池化層降維的操作,規(guī)避了池化層降維可能帶來的特征瓶頸問題。本文使用NSL-KDD數(shù)據(jù)集訓練和評估改進卷積神經(jīng)網(wǎng)絡的入侵檢測模型,仿真結(jié)果體現(xiàn)了改進卷積神經(jīng)網(wǎng)絡的檢測方法的準確率和模型收斂速度都優(yōu)于卷積神經(jīng)網(wǎng)絡的檢測方法。本文提出的檢測方法是適用于大規(guī)模入侵數(shù)據(jù)處理的有效和可靠的檢測方法。其次,本文研究了網(wǎng)絡流量異常檢測方法,采用... 

【文章來源】：南京郵電大學江蘇省

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【部分圖文】：

檢測算法交叉驗證集準確率比較

南京郵電大學碩士研究生學位論文第三章基于改進CNN的入侵檢測方法35統(tǒng)CNN損失函數(shù)值更低，模型更快達到拐點接近收斂。圖3.12對應交叉驗證集中準確率，隨訓練的迭代次數(shù)的變化圖。通過訓練集訓練模型，交叉驗證集測試這個模型性能。隨著圖3.11的loss值不斷下降，模型不斷優(yōu)化，對應的交叉驗證集測試的準確率也隨之提高。ICNN的交叉驗證集準確率始終高于CNN。圖3.11檢測算法收斂性比較圖3.12檢測算法交叉驗證集準確率比較

南京郵電大學碩士研究生學位論文第四章基于信譽管理的異常檢測算法45故障、2次交換機故障和對路由器發(fā)起1次分布式拒絕服務攻擊（DDoS）。4.4.2檢測方法評價指標網(wǎng)絡異常檢測系統(tǒng)的主要評價指標有兩個：檢測率（TPR）和誤報率（FPR）。=TPRFPR=異常被成功檢測的總數(shù)異常行為的總數(shù)異常被錯誤檢測的總數(shù)參與檢測的總數(shù)(4.18)4.4.3仿真結(jié)果對比根據(jù)模擬網(wǎng)絡環(huán)境，采集到實驗數(shù)據(jù)后，網(wǎng)絡異常檢測步驟如下：1.根據(jù)公式（4.1）和公式（4.2）對采集到的數(shù)據(jù)進行均值歸零的預處理工作。2.根據(jù)公式（4.9）計算殘差公式。3.根據(jù)公式（4.10）計算決策函數(shù)的統(tǒng)計量，得到靜態(tài)閾值判決區(qū)間。4.根據(jù)公式（4.16）計算信譽值累積大校5.根據(jù)公式（4.17）進行異常狀態(tài)判決。通過OPNET進行仿真實驗，在路由器上收集兩個MIB變量，ifInOctets和ipInReceives，將實驗結(jié)果記錄，根據(jù)兩項評價指標，使用Python繪制兩種檢測方法的的ROC曲線。如圖4.3和圖4.4所示。圖4.3ifInOctets時檢測的ROC曲線

【參考文獻】：
期刊論文
[1]中國互聯(lián)網(wǎng)絡信息中心發(fā)布第43次《中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告》[J].   國家圖書館學刊. 2019(02)
[2]計算機網(wǎng)絡安全入侵檢測技術(shù)分析[J]. 諸俊.  電子技術(shù)與軟件工程. 2015(09)
[3]KDDCUP99數(shù)據(jù)集的數(shù)據(jù)分析研究[J]. 吳建勝,張文鵬,馬垣.  計算機應用與軟件. 2014(11)
[4]基于BP神經(jīng)網(wǎng)絡的入侵檢測算法[J]. 胡明霞.  計算機工程. 2012(06)
[5]基于自適應閾值的網(wǎng)絡流量異常檢測算法[J]. 曹敏,程東年,張建輝,吳曦.  計算機工程. 2009(19)

博士論文
[1]基于遷移學習與深度卷積特征的圖像標注方法研究[D]. 宋光慧.浙江大學 2017
[2]無線傳感器網(wǎng)絡異常入侵檢測技術(shù)研究[D]. 肖政宏.中南大學 2012
[3]網(wǎng)絡流量異常檢測與預測方法研究[D]. 鄒柏賢.中國科學院研究生院（計算技術(shù)研究所） 2003

碩士論文
[1]基于計算機免疫的入侵檢測系統(tǒng)研究[D]. 阮建豐.浙江工業(yè)大學 2011



本文編號：3415790