文档介绍：基于无监督神经网络的入侵检测技术研究★摘要信号与信息处理专业硕士研究生付兴兵指导教师刘光远教授随着计算机网络尤其是际醯难杆俜⒄梗缭谖颐侨粘5纳睢⒀昂凸ぷ髦动动态信息安全防范技术,它集检测、记录、报警、响应于一体,不仅能检测出来自外部网击。近几年出现的基于数据挖掘的入侵检测方法采用不含攻击的纯净数据进行训练,建立起反映户止常行为的规则集,根据当前行为和常行为规则集的偏离程度来判定是否存在攻用此数据集构建的检测模型不能有效检测出此攻击,因为它们被看作正常的行为。与之相比,①介绍了入侵检测的基本概念、原理、分类和发展;介绍了神经网络的基本概念、结构、检测技术现状、种类和技术特征:提出了基于无监督神经网络的入侵检测模型,并介绍了这种模型的优点。侵检测,并设计出相应检测过程和算法。详细阐述了利用国际权威发挥着越来越重要的作用。而在网络迅速增长的同时,越来越多的敏感信息镀在线存储与管理,网络更容易受到各种恶意或法用户的攻击,使信息的机密性、完璋《院涂捎眯缘貌坏保证,因此,网络安全已变得极其重要。诸如用户鉴别、防火墙等传统的被动防御网络安全技术,已不能完全满足网络安全的需要;作为网络安全第二道防线的入侵检测系统是一种主络的入侵行为也能监督内部网络用户的未授权活动,因而,它成为当前的热门研究领域。入侵检测从技术上分为误用检测和异常检测,误用检测一般不能检测出新型或未知的攻击。该方法能够检测出从未发生过的新氆未知攻击,然而纯净的训练数据在真实的网络环境中往往难以获得,而且代价高昂。再者,若在此训练集中隐藏着朱发现的入侵攻击行为,则本论文提出的基丁二无监督神经网络的入侵检测系统,它们无需大量带标识的、用于标明各种攻击的训练数据,而只需要寻找和定义正常的聚类,因此,它们具有在不具备任何先验知识的情况下发现新型攻击的能力。本论文以基丁二无监督神经网络的入侵检测技术为研究内容,以提高检测算法对未知入侵的检测有效性为目标,从检测率和误报率两个重要指标出发,以聚类分析为主线,提出新的聚类入侵检测算法和模型,并进行计算机仿真实验。本论文主要做了以下研究工作:功能及学习算法,并由此引入了基丁二神经网络的入侵检测技术;分析了基丁:神经网络的入侵②介绍了白组织特征映射的基本原理,提出利用自组织特征映射进行网络入入侵估计数据库时,选取能反映多个数据连接之间内在联系的维特征,可以使入侵检测系统检测出隐藏疚氖芙逃靠蒲Ъ际踔氐阆頗、重庆市科技计划项目和西南大学校基金项目的资助
知识水坝***@pologoogle为您整理
关键词:自组织特征映射:自适应共振理论;模糊自适应共振理论;在多个数据连接内的攻击。通过对实验数据集的仿真实验表明,这一新型算法具有较高的检测率、较低的误报率。③自适应共振理论缡且恢治藜喽降模芙虾玫亟饩觥拔榷ㄐ钥伤苄远盐侍狻钡神经网络,适用于平稳和动态的各类环境,是理想的动态聚类算法。入侵攻击行为类型数目处理信号畸变”和“同相位不同幅值不可分”问题,影响其分类性能,针对此情况,采用新进的算法用于入侵检测中。计算机仿真结果表明,改进的窬绺屎嫌糜当今入侵手段不断变化情况下的入侵检测,可以实现对入侵的实时检测并识别出新型未知入④在对传统惴ㄔ谀J椒掷辔侍庵写嬖诘奈侍饨猩钊敕治龅幕≈希出了一种改进的模糊自适应共振理论惴ǎ盟惴苡行У乜朔惴ㄖ写嬖诘摹氨该算法能够检测新型未知入侵,其检测率和误报率保持了较好水平,表明该算法对入侵检测入侵检测;聚类摘要未知并且随时间和空间变化。⒔庵指侵,检测率较高,误报率较低。和”现象,还能降低原算法的计算复杂度。网络安全具有模糊性,入侵检测中包含许多数值属性的特征,这些特征可能会导致“尖锐边界问题”,从而会导致误报和漏报的产生。针对此情况,提出了基于改进的模糊自适应共振理论娜肭旨觳馑惴ā<扑慊抡娼峁允荆的可行性和有效性。
知识水坝***@pologoogle为您整理
篠篨:.瑀琣甌..,辭痶瑃痵,.畉两南大学硕节竹论文鎣甌..眂絯,.,,畉甋,,’痶縧
瓹瑆;.;Ⅵ...:籄,,.””,瑆籆
必引沙学位论文版权使用授权书独创性声明学位论文作者:代表袋学位论文作者签名:《⑻训年争月,签字日期:训基王垂监鳖叠丝圆垒鲍△堡捡型拉盔盟壅学位论文题目:本人提交的学位论文是在导师指导下进行的研究工作及取得的研究成果。论文中引用他人已经发表或出版过的研究成果,文中已加了特别标注。对本研究及学位论文撰写曾做出贡献的老师、朋友、同仁在文中作了明确说明并表示衷心感谢。年,月本学位论文作者完全了解西南大学有关保留、使用学位论文的规定,有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。本人授权西南