隨著網(wǎng)絡(luò)的發(fā)展和信息通信技術(shù)的跨越式進(jìn)步,特別是5G通信技術(shù)的大規(guī)模商用,網(wǎng)絡(luò)安全問題面臨著重大的考驗。入侵檢測技術(shù)作為一種主動的網(wǎng)絡(luò)安全防護(hù)技術(shù),能夠提供給網(wǎng)絡(luò)系統(tǒng)更加實時、高效、安全的防護(hù),爭取在網(wǎng)絡(luò)系統(tǒng)遭受破壞之前進(jìn)行相應(yīng)和攔截。因此入侵檢測是網(wǎng)絡(luò)安全防護(hù)中必不可缺的一環(huán)。構(gòu)建入侵檢測系統(tǒng)通常是利用機(jī)器學(xué)習(xí)方法訓(xùn)練分類模型,但是目前入侵檢測技術(shù)的訓(xùn)練樣本數(shù)據(jù)更新慢,機(jī)密數(shù)據(jù)不便公開等因素,對模型準(zhǔn)確性有較大的影響。本文研究了國內(nèi)外入侵檢測系統(tǒng)和生成式對抗網(wǎng)絡(luò)的研究現(xiàn)狀以及相關(guān)應(yīng)用方法,在此基礎(chǔ)上開展將生成式對抗網(wǎng)絡(luò)與入侵檢測相結(jié)合的研究工作。根據(jù)生成式對抗神經(jīng)網(wǎng)絡(luò)強(qiáng)大的數(shù)據(jù)生成能力提出了一種將生成式對抗網(wǎng)絡(luò)用于入侵檢測數(shù)據(jù)生成方法,并且對使用該方法生成的數(shù)據(jù)與原始數(shù)據(jù)進(jìn)行了對比分析。該方法主要有以下主要創(chuàng)新:第一,嘗試將計算機(jī)視覺中常用的生成式對抗神經(jīng)網(wǎng)絡(luò)用于入侵檢測數(shù)據(jù)集的生成,能夠解決網(wǎng)絡(luò)安全中數(shù)據(jù)隱私性導(dǎo)致入侵訓(xùn)練樣本不足和更新慢問題;第二,對因網(wǎng)絡(luò)流數(shù)據(jù)采集困難導(dǎo)致數(shù)據(jù)量少,進(jìn)而導(dǎo)致訓(xùn)練模型的精度低,提供解決思路;第三,對小樣本數(shù)據(jù)集,能夠通過生成網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)生成用以訓(xùn)練... 

【文章來源】：南昌大學(xué)江西省211工程院校

【文章頁數(shù)】：57 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．２入侵檢測系統(tǒng)架構(gòu)圖??雖然ＩＤＳ的種類很多，但其總體的工作流程卻是相似

?第２章相關(guān)技術(shù)概念???當(dāng)前網(wǎng)絡(luò)系統(tǒng)／用戶行為??（網(wǎng)絡(luò)數(shù)據(jù)流、系統(tǒng)日志、應(yīng)用日志、審計記錄…）??信息收集??知識庫?—Ｉ?分析弓丨擎??？?坦ａｓ?ｖ?Ｎ入侵分析＜！?ｄ?？異常檢測??？?＾仃為模型?＾?？誤用檢測??？其他???Ｊ?Ｉ?？??響應(yīng)??丨二」??Ｉ??圖２．３入侵檢測工作流程圖??２．１．２入侵檢測分類??（一）按入侵檢測技術(shù)分類??入侵檢測技術(shù)分兩類：一是異常入侵檢測（ＡｎｏｍａｌｙＤｅｔｅｃｔｉｏｎ），二是誤用入??侵檢測（ＭｉｓｕｓｅＤｅｔｅｃｔｉｏｎ）?［２４］。異常入侵檢測根據(jù)統(tǒng)計分析原理，首先總結(jié)出正??常操作或數(shù)據(jù)特征，用確定的值對事件進(jìn)行定義，監(jiān)測到網(wǎng)絡(luò)系統(tǒng)中事件值不在??ｊ?正常事件閾值范圍時則認(rèn)為該事件是異常行為。異常入侵檢測系統(tǒng)性能由正常??事件的完備性和系統(tǒng)檢測頻率決定，不需對每一種入侵事件進(jìn)行定量，所以能夠??Ｉ?一定程度上對未知異常行為進(jìn)行識別。但是其缺點(diǎn)也十分明顯，隨著正常行為的??積累導(dǎo)致其特征庫變得非常龐大，在進(jìn)行檢測時會占用較多的系統(tǒng)資源，影響網(wǎng)??絡(luò)系統(tǒng)性能；誤用檢測基于模式匹配原理，ＩＤＳ會積累異常特征，匯總成異常行??為特征庫，當(dāng)監(jiān)測到網(wǎng)絡(luò)中的操作行為或數(shù)據(jù)流特征與異常庫中的特征相匹配??時，則會報異常。誤用檢測技術(shù)采取模式匹配，能明顯降低誤報率，但漏報率則??會上升。除此之外當(dāng)異常行為特征發(fā)生稍小變化就能導(dǎo)致誤用檢測性能大幅降??低。??８??

?第２章相關(guān)技術(shù)概念???型互相博弈，為了在博弈中勝出，生成模型和判別模型都要不斷提高自己的生成??和判別能力，而整個ＧＡＮ模型的優(yōu)化目標(biāo)就是找到生成模型與判別模型之間的??納什平衡點(diǎn)。??對真實數(shù)＾??據(jù)判斷為??ｒｅａｌ??生成數(shù)據(jù)??為?ｆａｋｅ??Ｖ???／??ｉ?ｋ??丨＾９?￣??｜?＊?＊?Ｉ??Ｉ?Ｉ??Ｘ＂?Ｔ??真實數(shù)據(jù)?生成數(shù)據(jù)???／?Ｖ．??／??｜?＊?Ｉ??Ｉ??Ｉ??隨機(jī)噪??聲??圖２．４?ＧＡＮ工作示意圖??ＧＡＮ算法如下：??１８??Ｉ??Ｉ??Ｉ??

【參考文獻(xiàn)】：
期刊論文
[1]基于深度生成模型的半監(jiān)督入侵檢測算法[J]. 曹衛(wèi)東,許志香,王靜.  計算機(jī)科學(xué). 2019(03)
[2]改進(jìn)的聚類算法在入侵檢測系統(tǒng)中的應(yīng)用[J]. 邢瑞康,李成海.  火力與指揮控制. 2019(02)
[3]生成式對抗網(wǎng)絡(luò)及其計算機(jī)視覺應(yīng)用研究綜述[J]. 曹仰杰,賈麗麗,陳永霞,林楠,李學(xué)相.  中國圖象圖形學(xué)報. 2018(10)
[4]基于深度神經(jīng)網(wǎng)絡(luò)的入侵檢測方法[J]. 錢鐵云,王毅,張明明,劉俊愷.  華中科技大學(xué)學(xué)報(自然科學(xué)版). 2018(01)
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的入侵檢測算法[J]. 賈凡,孔令智.  北京理工大學(xué)學(xué)報. 2017(12)
[6]基于人工神經(jīng)網(wǎng)絡(luò)的入侵檢測方法研究[J]. 張少巍,楊紅蘭,周飛.  北京印刷學(xué)院學(xué)報. 2017(07)
[7]生成式對抗網(wǎng)絡(luò)GAN的研究進(jìn)展與展望[J]. 王坤峰,茍超,段艷杰,林懿倫,鄭心湖,王飛躍.  自動化學(xué)報. 2017(03)
[8]結(jié)合主動學(xué)習(xí)和半監(jiān)督學(xué)習(xí)的網(wǎng)絡(luò)入侵檢測算法[J]. 趙建華,劉寧.  西華大學(xué)學(xué)報(自然科學(xué)版). 2015(06)
[9]深度學(xué)習(xí)研究進(jìn)展[J]. 劉建偉,劉媛,羅雄麟.  計算機(jī)應(yīng)用研究. 2014(07)
[10]深度學(xué)習(xí)研究綜述[J]. 孫志軍,薛磊,許陽明,王正.  計算機(jī)應(yīng)用研究. 2012(08)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的入侵檢測模型研究[D]. 謝瀟雨.南京郵電大學(xué) 2019
[2]網(wǎng)絡(luò)入侵檢測中的機(jī)器學(xué)習(xí)方法與應(yīng)用[D]. 胡睿升.北京郵電大學(xué) 2019
[3]基于深度學(xué)習(xí)的入侵檢測方法研究[D]. 時東閣.鄭州大學(xué) 2019
[4]基于生成對抗網(wǎng)絡(luò)的語音增強(qiáng)方法研究[D]. 王海武.南昌航空大學(xué) 2018



本文編號：3613460