学位论文 > 优秀研究生学位论文题录展示

基于径向基函数(RBF)神经网络的入侵检测技术研究

作　者: 赵进舟
导　师: 杨天怡
学　校: 重庆大学
专　业: 控制理论与控制工程
关键词: 网络安全入侵检测系统径向基函数神经网络
分类号: TP393.08
类　型: 硕士论文
年　份: 2010年
下　载: 138次
引　用: 0次
阅　读: 论文下载

内容摘要

网络安全问题已成为信息时代人类共同面临的挑战,国内的网络安全问题也日益突出。具体表现为:计算机系统受病毒感染和破坏的情况相当严重;电脑黑客活动已形成重要威胁;信息基础设施面临网络安全的挑战;信息系统在预测、反应、防范和恢复能力方面存在许多薄弱环节;网络政治颠覆活动频繁。如果不很好地解决这些问题,必将阻碍信息化发展的进程。入侵检测技术是一种重要的动态安全防护技术,已经成为计算机科学与技术的一个重要研究领域。入侵检测是对计算机和网络资源上的恶意行为进行识别和响应的处理过程,它应用了以攻为守的策略,在不影响网络性能的情况下,能够对网络进行检测,提供对内,外攻击和误操作的实时监控。这几年随着网络及其安全技术的飞速发展,一些新的入侵检测技术相继出现,主要包括:人工神经网络、遗传算法、模糊技术数据挖掘等。其中,基于人工神经网络的入侵检测技术的发展尤为突出。人工神经网络以自适应、自学习,自组较好的容错性和并行性,联想记忆和联想等优点而受到了世入瞩目,在入侵检测领域发挥了重要作用。文章首先阐述了入侵检测和人工神经网络的概念和相关技术,入侵检测系统的研究现状,通过分析当前运用较多的入侵检测模型的缺陷,提出了一种基于径向基函数(Radial Basic Functions)神经网络的入侵检测系统模型,该模型既克服了传统的基于规则库的入侵检测系统所存在的管理问题.又克服了传统的系统仅能判断入侵行为是否异常,而不能识别入侵行为属于哪种类型的缺陷,从而使系统能够达到实时监测网络及主机状态,来防范不可预知性入侵。该模型具有良好的易用性和可扩展性,是一种开发安全管理系统的有效手段。最后,我们对训练好的神经网络做了检测实验,实验结果表明将径向基函数神经网络应用于入侵检测技术能有效的提高检测的准确率和入侵检测系统性能。基于径向基函数的入侵检测研究是一个非常活跃的研究领域。本文在最后给出了一些作者认为在今后针对该领域需要研究和改进的方向。

全文目录

中文摘要  3-4
英文摘要  4-9
1 绪论  9-14
  1.1 网络安全现状  9-10
  1.2 入侵检测概述与神经网络原理  10-12
    1.2.1 入侵检测系统的作用  10
    1.2.2 入侵检测系统分类  10
    1.2.3 常用的入侵检测方法  10-11
    1.2.4 神经网络的概念  11
    1.2.5 神经网络的优势  11-12
  1.3 课题研究的目的和意义  12
  1.4 本文主要研究内容及结构  12-14
2 网络入侵检测  14-21
  2.1 引言  14
  2.2 网络入侵检测的概念  14-17
    2.2.1 入侵检测的产生及发展  14-15
    2.2.2 入侵检测的有关概念  15-16
    2.2.3 入侵检测的主要方法  16-17
  2.3 网络入侵检测的步骤  17-19
    2.3.1 信息收集  17-18
    2.3.2 信息分析  18-19
    2.3.3 发现入侵作出响应  19
  2.4 入侵检测系统（IDS）的改进方向  19-20
    2.4.1 提高入侵检测系统的优化能力  19-20
    2.4.2 高度分布式监控结构的使用  20
    2.4.3 增强入侵检测系统的互动性能  20
  2.5 本章小结  20-21
3 人工神经网络技术概述  21-29
  3.1 人工神经网络技术的定义  21
  3.2 人工神经网络技术的发展历史  21-23
    3.2.1 人工神经网络理论的发展初期  21-22
    3.2.2 人工神经网络发展的低谷期  22
    3.2.3 人神经网络的快速发展期  22-23
  3.3 人工神经网络技术的基本结构  23-27
    3.3.1 递归网络  23-25
    3.3.2 前馈网络  25-27
  3.4 神经网络应用于入侵检测模型  27-28
    3.4.1 基于神经网络的CIDF 模型  27
    3.4.2 基于神经网络的IDES 模型  27-28
    3.4.3 基于神经网络的DIDS 模型  28
  3.5 本章小结  28-29
4 基于径向基函数（RBF）神经网络的入侵检测系统  29-46
  4.1 入侵检测系统设计的一般原则  29-30
    4.1.1 综合集成基于主机和网络的检测数据来源  29
    4.1.2 特征检测与行为检测互补的原则  29-30
  4.2 神经网络应用于入侵检测  30-31
  4.3 RBF 神经网络  31-35
    4.3.1 RBF 神经网络实现原理  31-32
    4.3.2 RBF 神经网络的学习算法  32-35
    4.3.3 RBF 神经网络的工具箱函数  35
  4.4 构建基于RBF 神经网络的IDS 模型  35-43
    4.4.1 系统模块功能  35-36
    4.4.2 数据包捕获和解析模块  36-38
    4.4.3 预处理模块  38-40
    4.4.4 系统功能的实现  40-42
    4.4.5 响应模块  42-43
  4.5 PCA 特征提取模块  43-45
  4.6 本章小结  45-46
5 系统仿真实验和结果分析  46-57
  5.1 实验环境  46
  5.2 实验数据  46-50
    5.2.1 实验数据来源  46-49
    5.2.2 用RBF 网络分类器实现特征排序  49-50
  5.3 系统运行及过程分析  50-56
  5.4 实验分析及结论  56
  5.5 本章小结  56-57
6 总结和展望  57-58
  6.1 总结  57
  6.2 展望  57-58
致谢  58-59
参考文献  59-61
附录作者在攻读学位期间发表的论文目录  61

基于径向基函数(RBF)神经网络的入侵检测技术研究

内容摘要

全文目录

相似论文