基于大数据技术的分布式入侵检测系统设计

发布时间：2023-11-14 17:24

　　伴随着计算机软硬件、互联网等技术的不断创新与发展,电脑处理数据速度的加快,电脑能够处理的数据量的不断加大,网络数据量的几何倍增加,如何快速识别出流入本地主机的信息征,从大量的网络信息中识别出对本地的攻击行为,是一个值得深入研究的课题。入侵检测是防护主机不受攻击的核心屏障,可以从主机的数据中辨别入侵行为的特点,辨别入侵行动。但是随着现在数据的数据量的快速增长,识别数据的特征的效率越来越低。为了改进入侵检测对于海量数据的处理能力,将数据挖掘技术的自动化数据特征识别和大数据处理的分布式运算、高效处理海量数据的能力结合起来,从海量数据中快速、高效的挖掘出流入主机的数据的入侵特征具有较高的实用价值。本文基于大数据、数据挖掘在入侵检测方面应用的探索,应用大数据相关技术的分布式处理特性(基于Hadoop平台分析)和数据挖掘的智能性,将BP神经网络算法改良为分布式生成算法,并将可以进行分布式运算的BP神经网络算法规划设计到Hadoop平台中,达到分布式、高效辨别数据特征,进而辨别入侵行为。此外,为了能够应用分布式运算的BP神经网络算法,这里对相应的入侵检测检测点的检测流程进行了安排与部署。本文提出的分...

【文章页数】：66 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 大数据综述
        1.2.1 大数据技术现状
        1.2.2 大数据技术在入侵检测技术中的研究现状
    1.3 入侵检测综述
    1.4 神经网络的综述
        1.4.1 神经网络技术现状
        1.4.2 基于神经网络的入侵检测研究现状
    1.5 主要研究内容
    1.6 论文组织结构
第二章 分布式运算神经网络算法
    2.1 概述
    2.2 相关工作
    2.3 BP神经网络分布式改进
        2.3.1 BP神经网络算法
        2.3.2 分布式改进策略
    2.4 性能分析
        2.4.1 时间性能分析
        2.4.2 自我改进性能分析
    2.5 本章小结
第三章 分布式运算神经网络在大数据平台的部署
    3.1 概述
    3.2 相关工作
    3.3 大数据技术概述
        3.3.1 大数据技术
        3.3.2 Hadoop平台简介
    3.4 分布式运算神经网络在大数据平台的部署
        3.4.1 Map-Reduce技术实现分布式运算神经网络模型
        3.4.2 分布式运算神经网络大数据平台实现过程
    3.5 本章小结
第四章 分布式神经网络算法入侵检测点部署
    4.1 概述
    4.2 相关工作
    4.3 分布式神经网络算法在入侵检测点的部署
        4.3.1 部署架构
    4.4 本章小结
第五章 总结与展望
    5.1 全文总结
    5.2 工作展望
参考文献
致谢
学位论文评阅及答辩情况表



本文编号：3863852