基于神經(jīng)網(wǎng)絡(luò)的入侵檢測.pdf

1、傳統(tǒng)的網(wǎng)絡(luò)安全技術(shù)，諸如訪問控制機(jī)制、防火墻等都有一定的應(yīng)用范圍和應(yīng)用環(huán)境，是靜態(tài)的安全防御技術(shù)，已不能滿足對網(wǎng)絡(luò)安全要求較高場合的需要。為了提高網(wǎng)絡(luò)的安全性，還需要一種對系統(tǒng)進(jìn)行實時的、主動的監(jiān)控，及時發(fā)現(xiàn)并報告系統(tǒng)中未授權(quán)或異?，F(xiàn)象的技術(shù)，這就是入侵檢測。 入侵檢測是目前網(wǎng)絡(luò)安全領(lǐng)域里研究的熱點，傳統(tǒng)的入侵檢測技術(shù)存在著統(tǒng)計模型難以建立、有較高的誤報率和漏報率等諸多問題，制約了入侵檢測技術(shù)的應(yīng)用。神經(jīng)網(wǎng)絡(luò)其內(nèi)在的對不確定性的

2、學(xué)習(xí)與適應(yīng)能力，恰好能滿足入侵檢測分類識別的需求。另外神經(jīng)網(wǎng)絡(luò)的非線性映射能力也保證了其成功實現(xiàn)各種簡單或復(fù)雜的分類，它將信息分布式存儲于連接權(quán)系數(shù)中，使網(wǎng)絡(luò)具有更高的容錯性和魯棒性。 在神經(jīng)網(wǎng)絡(luò)的實際應(yīng)用中，多數(shù)的模型采用BP網(wǎng)絡(luò)。當(dāng)學(xué)習(xí)速度足夠小時雖然能保證誤差函數(shù)趨于極小值，但緩慢的學(xué)習(xí)速度使得網(wǎng)絡(luò)的學(xué)習(xí)失去了意義。針對這一問題，介紹了用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的共軛梯度反向傳播算法，在速度和效果上比BP算法有了很大的提高。提取網(wǎng)絡(luò)