基于PCA和BP神经网络的信息安全模型研究

发布时间：2024-05-25 13:50

　　随着计算机信息技术的快速发展,信息安全问题也愈发严峻。信息化技术已经和我们的生活、工作甚至国家安全紧密的连接在一起,但严峻的信息安全形式是我们不容忽视的问题。目前计算机系统的信息安全防御主要是借助防火墙、网闸等网络安全设备,这些网络安全设备主要的防御方式是借助于现有的病毒特征库,以一种对比识别查杀防御的方法,来保护信息的安全。这种以病毒库对比的防御方式有一种滞后的缺陷,当一种新型的病毒出现以后它不能够马上发现并发出反馈。虽然传统的防火墙、加密等信息安全技术有一定的防御作用,但都属于静态安全技术范畴,此类安全设备不能抵抗新型的、特征库不具备此类异常数据特征的病毒或攻击,面对此类病毒或攻击,如果没有设置相应的安全策略,安全设备(例如传统的防火墙、网闸)便失去了过滤阻断作用使网络系统暴漏在危险之中,以及对合法开放的端口发起的攻击大多也无法起到安全防护的作用。伴随着信息技术的不断发展,新型的木马病毒和攻击手段也大量的出现,基于特征库、安全策略以及端口管控的传统安全方法,面对新型的病毒和攻击手段,不能够以一种预先主动识别的方式来防御计算机病毒攻击侵害,已不能完全满足当前网络安全的要求。而人工智能...

【文章页数】：53 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 信息安全发展历程
    1.3 信息安全技术与网络安全模型
        1.3.1 常见的信息安全技术
        1.3.2 信息安全技术的分类
        1.3.3 网络安全模型
    1.4 主要内容和组织结构
    1.5 本章小结
第二章 PCA和 BP神经网络概述
    2.1 网络中数据的特征
    2.2 降低网络数据维度的PCA统计方法
        2.2.1 降维方法的选择
        2.2.2 PCA降维原理
        2.2.3 PCA应用在信息安全中的优势
    2.3 人工神经网络
        2.3.1 人工神经元模型
        2.3.2 典型传输函数
        2.3.3 网络拓扑结构
        2.3.4 人工神经网络学习规则
        2.3.5 人工神经网络用于信息安全的优势
    2.4 本章小结
第三章 PCA结合改进型BP神经网络分类器
    3.1 异常网络数据检测分类器模型
    3.2 模型中PCA降维方法实现
    3.3 BP神经网络模块
        3.3.1 BP神经网络的学习过程
        3.3.2 BP算法的改进及实现方法
    3.4 本章小结
第四章 PCA和 BP神经网络信息安全模型仿真实验及分析
    4.1 实验数据源
    4.2 仿真平台选取
        4.2.1 MATLAB仿真平台
        4.2.2 PCA特征提取模块相关函数
        4.2.3 BP神经网络模块相关函数
    4.3 仿真过程及实验源码
        4.3.1 准备阶段
        4.3.2 数据归一化
        4.3.3 仿真阶段
        4.3.4 部分仿真源码及解析
    4.4 仿真结果及分析
        4.4.1 仿真结果
        4.4.2 对比试验
        4.4.3 结果分析
    4.5 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
致谢
参考文献
附录 ：读研期间科研情况



本文编号：3982191