神经网络在入侵检测系统中的研究

作     者：廖年冬 

作者单位：贵州大学 

学位级别：硕士

导师姓名：李秦伟

授予年度：2006年

学科分类：0839[工学-网络空间安全] 08[工学] 

主      题：入侵检测 模式匹配 BP神经网络 Levenberg-Marquardt算法 

摘      要：随着黑客入侵事件的日益猖獗，人们发现只从防御的角度构造安全系统是不够的。入侵检测技术是继“防火墙、“数据加密等传统安全保护措施后新一代的安全保障技术。他对计算机和网络资源上的恶意使用行为进行识别和响应，它不仅检测来自外部的入侵行为，同时也监督内部用户的未授权活动。 本文从介绍入侵检测的基本概念入手，分析现有IDS模型与IDS产品中的常用入侵检测方法，发现这些方法均存在不足，使得IDS产品难以满足IDS所需要的实时性、适应性、准确性和自学习能力等方面的需求。然后通过对神经网络的研究表明，神经网络在概念和处理方法上都很适合入侵检测系统的要求，研究与设计出并实现基于神经网络的入侵检测系统，将具有重要的理论与实用意义。并对神经网络理论中的采用BP或者采用改进的BP神经网络Levenberg-Marquardt优化算法和相关知识进行了描述。在此基础上，本论文提出在IDS模型设计中引入神经网络技术，研究如何将神经网络成功应用于入侵检测，并给出了一个基于神经网络的网络入侵检测系统的模型，阐述了该模型的设计思想、模型原理图，并就系统模型中各模块的原理和实现给予详细的介绍。最后通过训练过程和检测过程对实验的结果进行了比较客观的分析，实验的结果也比较令人满意，说明神经网络在基于网络的入侵检测方面具有很大的优势。