基于神經網絡的校園網入侵檢測系統(tǒng)設計與實現.pdf

1、網絡的開放性使其成為易受攻擊的目標,整個社會對計算機網絡的依賴日益增大也使得網絡犯罪問題日趨嚴重。因此,網絡安全成為計算機科學研究領域最受關注的問題之一。入侵檢測系統(tǒng)是一種常見的網絡安全保障手段,它通過從計算機網絡或計算機系統(tǒng)中的若干關鍵點收集信息并對其進行分析,以發(fā)現網絡或系統(tǒng)中是否有違反安全策略的行為和遭到攻擊的跡象。
　　 然而,目前已有的入侵檢測方法都不能完全檢測出所有的入侵行為,入侵檢測率不高,檢測算法單一且沒有綜合運

2、用多種檢測手段。本文的研究目的在于探尋一種有效的檢測方法,作為單包模式匹配的有效合理補充,從歷史網絡審計數據里尋找正常行為與異常行為規(guī)律,提取正常與異常行為模式,力求從更高層次上對數據進行剖析,從而完成單包模式匹配所不能完成的攻擊類型的檢測。最終完成一個基于神經網絡的網絡入侵檢測系統(tǒng)的設計,使其正確率和可用性在一個比較理想的范圍內,并在一個特定環(huán)境中實現。
　　 因此,本文是在已有入侵檢測系統(tǒng)模型的基礎上,對基于神經網絡的入侵檢

3、測系統(tǒng)應用進行了研究與設計,并依托校園網平臺進行了實際的實驗與測試。論文主要工作如下:
　　 (1)從網絡安全現狀著手,分析了入侵檢測技術研究的必要性,闡述了入侵檢測系統(tǒng)的基本工作原理、研究現狀及未來的發(fā)展態(tài)勢。
　　 (2)研究了神經網絡技術,并將BP神經網絡應用到入侵檢測技術中。
　　 (3)構造了基于神經網絡的入侵檢測系統(tǒng),系統(tǒng)包括數據提取、輔助決策等六個模塊,詳細分析了神經網絡分類器的構建。
　　

4、 (4)為了驗證系統(tǒng)的有效性,做了大量的數據準備,在校園網環(huán)境下進行了攻擊模擬,對捕獲到的入侵數據做了深入分析,并以捕獲到的正常數據與入侵數據對系統(tǒng)進行了訓練與測試。
　　 (5)對實驗結果進行統(tǒng)計和分析,實驗結果表明,基于神經網絡的系統(tǒng)對已知入侵類型與已知正常數據模式具有較高的檢測率和較低的誤報率,并具備對未知類型數據良好的識別能力,因而本文提出的基于神經網絡入侵檢測系統(tǒng)具有較高的實用價值。
　　 最后,論文對課題研究