基于RBF神經網(wǎng)絡的入侵檢測系統(tǒng).pdf

1、入侵檢測系統(tǒng)(IDS)作為一種積極主動的安全防護技術，提供了對內部攻擊、外部攻擊和誤操作的實時保護，在網(wǎng)絡系統(tǒng)受到危害之前，攔截和響應入侵。然而現(xiàn)在入侵檢測系統(tǒng)面臨著巨大挑戰(zhàn)，越來越復雜的計算機網(wǎng)絡系統(tǒng)，越來越高明的入侵手段都要求入侵檢測技術不斷快速發(fā)展。 本論文概述了如今入侵檢測技術的發(fā)展現(xiàn)狀，概覽了當前的網(wǎng)絡攻擊類型，分析了傳統(tǒng)的入侵檢測系統(tǒng)存在的缺點，介紹了常用攻擊檢測系統(tǒng)的作用、類型和原理。簡單介紹了應用于入侵檢測系統(tǒng)的

2、新技術，簡要說明了人工神經網(wǎng)絡的學習方法、工作原理，特別對BP算法和RBF算法進行了比較。 隨著新技術的發(fā)展，人工神經網(wǎng)絡技術開始廣泛的運用于入侵檢測系統(tǒng)?，F(xiàn)在流行的BP(BackPropagation，誤差的后向傳播)神經網(wǎng)絡由于技術成熟，在入侵檢測中得到了廣泛應用，但其本身所具有的局部極小性限制了檢測性能的提高。RBF(RadialBasisFunction，徑向基函數(shù))網(wǎng)絡在逼近能力、分類能力和學習速度方面均優(yōu)于BP網(wǎng)絡，

3、能夠有效的解決BP網(wǎng)絡所存在的這些問題，提高入侵檢測性能和效率。 本文主要構建了一種基于RBF神經網(wǎng)絡的入侵檢測系統(tǒng)，給出了基本的設計思想和算法，以及樣本數(shù)據(jù)的收集和預處理方法。為使神經網(wǎng)絡獲得更多的有用信息，在神經網(wǎng)絡的輸入中包含了單包信息和包序列信息，對單包進行了過濾，使單包信息更加完整；從包序列中提取了很多有價值的信息，與傳統(tǒng)的入侵檢測相比，有一定的優(yōu)越性。 將該系統(tǒng)進行了仿真試驗，對實驗結果進行了客觀的比較和分析

4、，發(fā)現(xiàn)RBF網(wǎng)絡確實比BP網(wǎng)絡有優(yōu)勢，尤其是大大加快了訓練的速度，提高了檢測的效率，實驗結果也比較令人滿意，漏檢率和虛警率都不是很高，而且對新類型的攻擊，也有一定的檢測效果。因此RBF神經網(wǎng)絡在入侵檢測方面具有很大的發(fā)展空間和應用前景。 本文的創(chuàng)新點是將RBF神經網(wǎng)絡用于入侵檢測系統(tǒng)，實現(xiàn)對攻擊行為的預測，報警。而且在數(shù)據(jù)預處理時，除了有單包信息之外，還包含了很多從包序列中提取的有價值的信息，提高入侵檢測的性能。 由于時