基于径向基神经网络的入侵检测系统

发布时间：2020-04-12 21:07

【摘要】：伴随着信息革命浪潮的继续推进,网络得到了迅猛的发展。互联网的普及率和网民数量已经达到了历史同期的最高峰,人们足不出行就可以在各种网络平台上网购衣服、点外卖、预约酒店、订机票等享受各种便利。人们在享受着网络发展在衣、食、住、行等各个方面带来巨大好处的同时,不可避免的也面临着各种严峻的网络安全问题。早年间,防火墙技术作为主要的网络安全防护手段,由于它不能抵御网络内部攻击和不能实时检测的局限性,促使了入侵检测技术的诞生。基于入侵检测技术而发展出来的入侵检测系统,在实时检测和对网络内部攻击识别等两个方面的突出表现,有效的解决了防火墙技术所存在局限性。现如今面对日趋复杂的网络环境,传统的入侵检测技术也存在着识别的类型减少、识别的精度下降等种种问题。为了应对入侵检测领域所存在的这些问题,利用人工神经网络自学习的优势,将入侵检测和人工神经网络有机的结合起来,已成为网络安全领域研究的一个重要分支。本文着眼于网络安全领域这个重要的研究方向,研究了基于径向基神经网络的入侵检测技术,并设计和实现了基于径向基神经网络的入侵检测系统。论文的主要工作包括以下四个方面:(1)介绍了当今网络安全形势和入侵检测技术的国内外研究现状,对入侵检测的技术、入侵检测系统以及人工神经网络进行了探究和总结。同时,对径向基神经网络的基函数、网络结构以及相关学习算法进行了系统的研究。依据KDD CUP 99数据集的分布情况,对训练数据和测试数据进行了选取,并对所选取的数据进行了预处理。(2)为了解决基于梯度下降学习算法的径向基神经网络稳定性差的问题,从该模型参数初始值选取范围这一方面着手,采用离群点检测算法对参数基函数中心初始值选取的范围进行有效的缩减,并使用相同的数据进行实验测试。实验表明,与传统的基于梯度下降学习算法的径向基神经网络相比,在检测的准确率和稳定性这两个方面都有所提高。(3)为了使训练数据具有更加优异的训练效果,提高入侵检测的准确率,降低误报率和漏报率,对基于k-means聚类学习算法的径向基神经网络模型的训练数据进行离群点检测,并进行实验测试。实验表明,准确率更高,整体效果更好。(4)设计并实现了基于径向基神经网络的入侵检测系统,其中系统后台和前端的构建分别是基于Java和HTML来实现的,该系统可以使用径向基神经网络模型对数据集进行入侵检测,并将所预测的类型和相应的数据集内容一同展示在最终的检测页面上。
【图文】：

分布情况,论文研究,思路,入侵检测技术

图1.2论文研究思路文结构安排的具体章节安排如下所示：章绪论。首先介绍了入侵检测课题的研究背景和意义，其次对入外研究现状进行了阐述，并讨论了现如今入侵检测技术主流的方络的结合。最后介绍了论文的主要研究内容和结构上的安排。章相关技术。对入侵检测技术和人工神经网络进行了相关的研究以下4个方面对入侵检测技术进行探讨：主要过程、系统模型、系类。对于人工神经网络相关知识的研究主要包括以下3个方面：发习方式。章数据预处理。首先对KDD CUP 99数据集从标识类型和特征类了分布情况的探究，其次依据各种标识类型的占比情况对训练数了选取，并依据一定的标准进行了数值化和归一化。最后对入侵

入侵检测系统模型,入侵检测模型

典型的入侵检测系统模型[19]如下图2.1所示。图2.1典型的入侵检测系统模型如果从另一个角度来看待图2.1的模型，将入侵检测系统的输入数据称之为事件（event），各个构成部分称之为模块或是组件，那么通用入侵检测模型（CommonIntrusion Detection Framework，，CIDF）则应运而生。通用入侵检测模型[20]可以更加精炼的抽象出入侵检测系统的本质。通用入侵检测模型如下图2.2所示。图2.2通用入侵检测系统模型如果将通用入侵检测系统模型和典型的入侵检测系统模型，进行一一对应的 8
【学位授予单位】：北方民族大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP393.08

【相似文献】