Agent與基于優(yōu)化RBF神經(jīng)網(wǎng)絡相結(jié)合的入侵檢測系統(tǒng)研究.pdf

1、隨著計算機網(wǎng)絡和Internet應用的飛速發(fā)展，信息共享日益廣泛化，并深入到人們工作和生活的各個領(lǐng)域。人們對信息共享的依賴正逐漸增強，而作為信息共享基礎(chǔ)的信息安全技術(shù)就顯得更加重要。入侵檢測技術(shù)是保障信息安全的一個重要組成部分，是動態(tài)安全技術(shù)的核心技術(shù)之一。入侵檢測本質(zhì)上是一種電子數(shù)據(jù)處理過程，按照預先確定的策略對收集到的安全審計數(shù)據(jù)進行分析處理，根據(jù)分析結(jié)果做出系統(tǒng)是否被入侵的結(jié)論。
　　 本文首先概述了入侵檢測技術(shù)，分析了傳

2、統(tǒng)入侵檢測系統(tǒng)的不足。接著深入研究了神經(jīng)網(wǎng)絡在入侵檢測系統(tǒng)中的應用。目前，應用最廣泛的神經(jīng)網(wǎng)絡是BP網(wǎng)絡。本文采用的是徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡。與BP網(wǎng)絡相比，RBF網(wǎng)絡不需要進行反向誤差傳播的計算，而是完全前向的計算過程，具有訓練時間短且不易收斂到局部最小的優(yōu)點，其函數(shù)逼近能力、模式識別與分類能力都優(yōu)于BP網(wǎng)絡。并且RBF網(wǎng)絡結(jié)構(gòu)也簡單、學習速度快，非常適合入侵檢測對于檢測效率和速度的高要求。但RBF參數(shù)的設(shè)置是基于參數(shù)空間局部信

3、息的，不是參數(shù)空間的全局最優(yōu)值。所以本文引用PSO算法對RBF網(wǎng)絡進行了簡單優(yōu)化，可以彌補RBF神經(jīng)網(wǎng)絡參數(shù)的設(shè)置的不足。再接著介紹了智能體(Agent)技術(shù)及其在入侵檢測技術(shù)中的應用模型。
　　 在此基礎(chǔ)之上，本文進而設(shè)計出Agent和基于優(yōu)化RBF神經(jīng)網(wǎng)絡技術(shù)相結(jié)合的入侵檢測系統(tǒng)的基本模型。該系統(tǒng)能自動適應復雜多變的網(wǎng)絡環(huán)境，能通過自我學習、自我進化來提高系統(tǒng)的入侵檢測能力，能充分利用網(wǎng)絡資源協(xié)同完成入侵檢測任務。利用這個原