基于BP神经网络算法的网络入侵检测的研究及应用

来源 :广东工业大学 | 被引量 : 0次 | 上传用户:SilentWoolf_1981
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着计算机技术与网络通信以及信息产业的高速发展,网络入侵攻击的事件频繁发生,因此计算机网络安全形势也日益严峻,所以需要能过各种网络安全技术来解决问题。而入侵检测技术是网络安全的主要手段之一,它是一种主动防御的安全技术,它能实时地保护内、外网攻击和误操作,使得网络系统受到破坏之前能够及时得到响应和处理。但是传统的入侵检测技术又存在着许多不足的问题:第一、误/漏报率高,性能低:第二、实时检测攻击行为较差,且难以适应海量网络数据包。因此研究网络入侵检测是当今的研究热门,也是符合我国的基本国情。   本文先介绍了入侵检测系统和BP神经网络的基本概述,了解了当前常用的网络攻击方法和入侵检测技术的分类,掌握了入侵检测系统的模型和工作过程。了解了神经网络的概述,掌握BP神经网络算法的学习过程。总结了传统入侵检测系统存在了检测性能、检测效果的问题。因此入侵检测技术需要一种能适应实时性、自主学习性、低误/漏报率的方法。   在本文,提出了基于改进BP神经网络算法的网络入侵检测技术的方法。它是在传统的BP神经网络算法的基础上,对算法进行相关的加入动量项、归一化输入信号的优化方法,来适用入侵检测技术的需求。最后提出基于改进BP神经网络算法的入侵检测模型,包括数据捕获及采集模块、数据预处理模块、改进BP神经网络模块、规则数据库模块、响应处理模块五部分。   国内许多入侵检测技术只是在研究阶段,但本文研究出来的入侵检测模型,将在实际的信息管理系统中得到进行应用。《广东省高中阶段招生服务统一平台》(中招平台)是根据对全省各市初中毕业生学业考试和高中阶段学校招生工作的深入调研获知,基本上围绕初中毕业生学业考试、综合素质评价、学生特长三个方面开展高中阶段的学校招生工作,各地市都建立起一套完善的初中毕业生学业考试的考务制度和初中毕业生综合素质评价制度所设计的信息平台。本文在系统开发的中后期,为了适应该系统的安全而设计。通过基于改进BP神经网络算法的网络入侵检测模型,在中招平台的学生报名阶段进行实时检测,很好地解决学生报名时,系统受到外来的网络攻击,解决了海量网络数据包的检测。与传统的入侵检测模型对比,其性能有一定的提高。   最后通过两个实验来证明。第一,测试基于改进BP神经网络的入侵检测系统模型的准确性,经过测试证实新模型的误报率、漏报率分别从原来的15.3%和14%降低到现在的4.3%和5%;第二,通过对10000条数据进行测试,测试传统入侵检测系统、基于BP神经网络的入侵检测系统和基于改进BP神经网络的入侵检测系统模型的实时检测时间效率,分别是20000ms、16000ms和12500ms。
其他文献
据统计,互联网上在线发布的网页早已达到亿数量级,并以每天百万页的速度在增长。用户在需要克服语言障碍的同时,如何准确地在Internet这样一个开放式的数据库中找到相关信息,
Reed-Solomon纠错码算法作为编解码领域中出色的算法被广泛应用于各个方面。尤其在数据恢复方面的应用较为突出。算法本身又构建于有限域的数学运算之上,从而凸现了有限域运
由John Lafferty等人在2001年提出的条件随机域(conditional random fields,CRF)模型是机器学习领域的一个重要里程碑,它综合了以往机器学习中几种模型的优点,包括隐马尔可夫
随着网络和多媒体数字技术的快速发展,多媒体信息在网络上的应用越来越频繁,信息安全问题日渐突出。大到国家的军事、政治、商业等信息的安全,小到个人隐私的泄漏,使多媒体信
随着多媒体技术的快速发展及Internet技术的日益普及,数字图像的来源越来越广泛,每天各个领域都会产生数以千兆字节的图像信息。如何从浩瀚的图像信息中快速准确的查找出用户
图像匹配是计算机视觉和图像处理领域一项重要的研究工作,本文主要对图像匹配领域进行了深入细致的研究。 本文主要研究了两类图像匹配算法:基于灰度信息的算法和基于特征的
对于大型金融机构,金融基础数据存放在较多的分布于全球的数据服务器中,而与基础数据相关的数据不一致、不准确或不完整问题是金融服务行业中交易失败的主要原因。因基础数据
近年来,随着生物医学文献的快速增长,生物文献中的信息抽取技术已经得到广泛的研究,目前为止,生物医学文献信息抽取中的大部分工作都涉及到关系抽取。生物领域中的关系抽取主
矢量量化是一种高效的数据压缩技术,具有压缩比大且解码简单因此广泛应用于图像压缩、语音编码等多个领域。数字水印技术是将序列号、文字、二值图像等信息嵌入到多媒体数据