基于MLP和Elman混合神經(jīng)網(wǎng)絡(luò)的入侵檢測系統(tǒng).pdf

1、隨著計算機的聯(lián)網(wǎng)，網(wǎng)絡(luò)安全就成了一個問題。為了防范網(wǎng)絡(luò)入侵，入侵檢測技術(shù)成為了人們研究的熱點問題，入侵檢測系統(tǒng)試圖監(jiān)視和盡可能阻止可能的入侵或者其它對他人的系統(tǒng)和網(wǎng)絡(luò)資源產(chǎn)生危害的行為。
　　通過被授權(quán)用戶的行為特征來建立神經(jīng)網(wǎng)絡(luò)模型，可以用來監(jiān)測入侵行為。目前，以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的入侵檢測系統(tǒng)方面的研究已取得了許多成績，將它應(yīng)用在入侵檢測系統(tǒng)中可以提高入侵檢測系統(tǒng)的效率，增強系統(tǒng)的自學(xué)習(xí)能力。目前研究最多、應(yīng)用最廣泛的是一種多層前

2、饋神經(jīng)網(wǎng)絡(luò)，即MLP（多層感知器）神經(jīng)網(wǎng)絡(luò)，但是MLP網(wǎng)絡(luò)模型只能孤立的處理每一個事件，不具備對先前事件的記憶功能，這導(dǎo)致系統(tǒng)無法處理需要連續(xù)的數(shù)據(jù)流作為輸入的任務(wù)。
　　因此，本文提出一種基于MLP和Elman混合神經(jīng)網(wǎng)絡(luò)模型的入侵檢測系統(tǒng)用于異常檢測和誤用檢測。本模型具有記憶功能可以有效的檢測離散而又相聯(lián)系的協(xié)作攻擊行為。MLP神經(jīng)網(wǎng)絡(luò)實現(xiàn)了一個實時的模式分類器，而Elman神經(jīng)網(wǎng)絡(luò)以MLP神經(jīng)網(wǎng)絡(luò)的輸出作為輸入，并實現(xiàn)了對近