基于神经网络的入侵检测技术研究与应用

发布时间：2021-06-17 16:17

　　随着当今计算机网络的迅速发展和规模的日益增大，计算机网络对人们的生活的影响也日益的增加，网络入侵的安全问题也变得更加重要。网络知识的普及和发展，也使得网络入侵者不断增多，攻击方式也一直在更新，单一的防火墙为主的被动防御已经无法保证系统的安全。入侵检测技术是一种主动防御的技术，可以从网络系统中提取关键信息，并迅速的对内部或外部的网络入侵做出判断和保护。入侵检测技术也同时可以和其他的网络安全产品相结合，提供有效的网络安全维护，从而成为网络安全的重要保障。然而传统的入侵检测系统对网络入侵的防御的差错率都会比较高，占用资源高，其中有些不能及时防御一些突发的入侵事件，有些不能识别未知的和变化的网络攻击行为，所以在入侵检测的有效性、灵活性和响应能力等方面都有一定的局限性。基于神经网络的入侵检测系统有一定的学习和自适应的能力，神经网络可以不断的学习更新，对网络中的数据信息进行分类处理，从大量的数据中提取重要的特征值，对网络数据的这些特征值进行更准确的分析，来识别入侵信息。本文在研究入侵检测方法的基础上，分析了入侵检测技术发展的历史和现状，总结了入侵检测系统的概述和体系结构，将神经网络的入侵检测分成数... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：50 页

【学位级别】：硕士

【部分图文】：

神经网络建立界面设置通过对输入输出层、传递函数、训练次数以及动量因子等的设置，为建立神

检测样本 检测结果样本总数 2000正常数据 1000异常数据 1000正确检测样本数 1832异常检测为正常样本数 81正常检测为异常样本数 87 中得出：率 = 正确检测样本数/样本总数 = 91.6%率 = 异常检测为正常样本数/样本总数 = 4.05%率 = 正常检测为异常样本数/样本总数 = 4.35% 为入侵检测过程的画面。

【参考文献】：
期刊论文
[1]基于BP神经网络的入侵检测算法[J]. 胡明霞.  计算机工程. 2012(06)
[2]基于改进的遗传神经网络入侵检测系统[J]. 黄勤,龚海清,刘金亨,孔祥龙.  重庆理工大学学报(自然科学版). 2010(02)
[3]基于关联规则的网络入侵检测方法[J]. 陈洪泉,霍志凯.  电子科技大学学报. 2009(S1)
[4]基于数据挖掘的分布式网络入侵检测系统设计及实现[J]. 傅德胜,周舒,郭萍.  计算机科学. 2009(03)
[5]入侵检测系统研究综述[J]. 林果园,曹天杰.  计算机应用与软件. 2009(03)
[6]基于混合入侵检测技术的网络入侵检测方法[J]. 尹才荣,叶震,单国华,赵晓峰.  合肥工业大学学报(自然科学版). 2009(01)
[7]基于BP神经网络和特征选择的入侵检测模型[J]. 吴峻,李洋.  计算机工程与应用. 2008(30)
[8]基于分布式学习的大规模网络入侵检测算法[J]. 刘衍珩,田大新,余雪岗,王健.  软件学报. 2008(04)
[9]基于人工智能技术的网络入侵检测的若干方法[J]. 周荃,王崇骏,王珺,周新民,陈世福.  计算机应用研究. 2007(05)
[10]基于CIDF的网络入侵检测系统设计与实现[J]. 常佶,陈志坚.  内蒙古工业大学学报(自然科学版). 2006(02)



本文编号：3235520