计算机技术专业毕业论文计算机技术专业毕业论文 精品论文精品论文 基于人工神经网络的入侵基于人工神经网络的入侵检测技术研究检测技术研究关键词：网络安全关键词：网络安全 入侵检测技术入侵检测技术 人工神经网络人工神经网络 RBFRBF 算法算法 BPBP 算法算法摘要：日益增长的网络服务需求，不断地牵引网络安全技术的发展，入侵检测 作为一种主动防御安全防护技术，成为当前网络与信息安全领域的研究热点之 一。传统入侵检测系统(Intrusion Detection System，IDS)由于检测规则库难 于及时更新、统计模型难以建立等问题，存在着较高的误报率和漏报率，特别 对拒绝服务攻击等入侵行为更是难以检测。因此，在新的入侵检测技术发展中， 将人工神经网络技术融入到入侵检测系统是其中一个重要的研究方向。 论文 针对传统的入侵检测系统在检测拒绝服务攻击方面存在的不足，基于人工神经 网络技术展开入侵检测技术的研究，所做的主要工作有： (1)在深入研究现 有入侵检测系统工作原理和工作流程的基础上，提出了一种基于人工神经网络 技术的拒绝服务攻击的入侵检测方法，通过在检测特征中加入与时间、连接状 态以及服务相关的属性，可实现基于网络数据包级的入侵检测。 (2)设计和 实现了一个基于人工神经网络的入侵检测系统。同时，设计了一个神经网络与 Snort 系统相结合的入侵检测模型，以充分发挥误用检测与异常检测两大技术 的优势。为进一步降低入侵检测系统的误报率，提出了一种基于信息回馈检测 技术的改进方案。 (3)对实现的系统原型进行了实验。从入侵检测系统标准 评估数据集中提取训练和测试数据，对采用不同神经网络技术的系统进行对比 实验，结果表明本文算法在拒绝服攻击检测方面具有优势，且对于大量的训练 样本，RBF 算法比 BP 算法在该检测模型中具有更好的效果。 研究结果表明 本文系统对拒绝服务攻击等入侵行为具有较高的检测率和较低的误报率，且对 未知的攻击行为具有较高的检测能力，对入侵技术的研究与工程实践具有重要 的参考意义。正文内容正文内容日益增长的网络服务需求，不断地牵引网络安全技术的发展，入侵检测作 为一种主动防御安全防护技术，成为当前网络与信息安全领域的研究热点之一。 传统入侵检测系统(Intrusion Detection System，IDS)由于检测规则库难于及 时更新、统计模型难以建立等问题，存在着较高的误报率和漏报率，特别对拒 绝服务攻击等入侵行为更是难以检测。因此，在新的入侵检测技术发展中，将 人工神经网络技术融入到入侵检测系统是其中一个重要的研究方向。 论文针 对传统的入侵检测系统在检测拒绝服务攻击方面存在的不足，基于人工神经网 络技术展开入侵检测技术的研究，所做的主要工作有： (1)在深入研究现有 入侵检测系统工作原理和工作流程的基础上，提出了一种基于人工神经网络技 术的拒绝服务攻击的入侵检测方法，通过在检测特征中加入与时间、连接状态 以及服务相关的属性，可实现基于网络数据包级的入侵检测。 (2)设计和实 现了一个基于人工神经网络的入侵检测系统。同时，设计了一个神经网络与 Snort 系统相结合的入侵检测模型，以充分发挥误用检测与异常检测两大技术 的优势。为进一步降低入侵检测系统的误报率，提出了一种基于信息回馈检测 技术的改进方案。 (3)对实现的系统原型进行了实验。从入侵检测系统标准 评估数据集中提取训练和测试数据，对采用不同神经网络技术的系统进行对比 实验，结果表明本文算法在拒绝服攻击检测方面具有优势，且对于大量的训练 样本，RBF 算法比 BP 算法在该检测模型中具有更好的效果。 研究结果表明 本文系统对拒绝服务攻击等入侵行为具有较高的检测率和较低的误报率，且对 未知的攻击行为具有较高的检测能力，对入侵技术的研究与工程实践具有重要 的参考意义。 日益增长的网络服务需求，不断地牵引网络安全技术的发展，入侵检测作为一 种主动防御安全防护技术，成为当前网络与信息安全领域的研究热点之一。传 统入侵检测系统(Intrusion Detection System，IDS)由于检测规则库难于及时 更新、统计模型难以建立等问题，存在着较高的误报率和漏报率，特别对拒绝 服务攻击等入侵行为更是难以检测。因此，在新的入侵检测技术发展中，将人 工神经网络技术融入到入侵检测系统是其中一个重要的研究方向。 论文针对 传统的入侵检测系统在检测拒绝服务攻击方面存在的不足，基于人工神经网络 技术展开入侵检测技术的研究，所做的主要工作有： (1)在深入研究现有入 侵检测系统工作原理和工作流程的基础上，提出了一种基于人工神经网络技术 的拒绝服务攻击的入侵检测方法，通过在检测特征中加入与时间、连接状态以 及服务相关的属性，可实现基于网络数据包级的入侵检测。 (2)设计和实现 了一个基于人工神经网络的入侵检测系统。同时，设计了一个神经网络与 Snort 系统相结合的入侵检测模型，以充分发挥误用检测与异常检测两大技术 的优势。为进一步降低入侵检测系统的误报率，提出了一种基于信息回馈检测 技术的改进方案。 (3)对实现的系统原型进行了实验。从入侵检测系统标准 评估数据集中提取训练和测试数据，对采用不同神经网络技术的系统进行对比 实验，结果表明本文算法在拒绝服攻击检测方面具有优势，且对于大量的训练 样本，RBF 算法比 BP 算法在该检测模型中具有更好的效果。 研究结果表明 本文系统对拒绝服务攻击等入侵行为具有较高的检测率和较低的误报率，且对 未知的攻击行为具有较高的检测能力，对入侵技术的研究与工程实践具有重要 的参考意义。日益增长的网络服务需求，不断地牵引网络安全技术的发展，入侵检测作为一 种主动防御安全防护技术，成为当前网络与信息安全领域的研究热点之一。传 统入侵检测系统(Intrusion Detection System，IDS)由于检测规则库难于及时 更新、统计模型难以建立等问题，存在着较高的误报率和漏报率，特别对拒绝 服务攻击等入侵行为更是难以检测。因此，在新的入侵检测技术发展中，将人 工神经网络技术融入到入侵检测系统是其中一个重要的研究方向。 论文针对 传统的入侵检测系统在检测拒绝服务攻击方面存在的不足，基于人工神经网络 技术展开入侵检测技术的研究，所做的主要工作有： (1)在深入研究现有入 侵检测系统工作原理和工作流程的基础上，提出了一种基于人工神经网络技术 的拒绝服务攻击的入侵检测方法，通过在检测特征中加入与时间、连接状态以 及服务相关的属性，可实现基于网络数据包级的入侵检测。 (2)设计和实现 了一个基于人工神经网络的入侵检测系统。同时，设计了一个神经网络与 Snort 系统相结合的入侵检测模型，以充分发挥误用检测与异常检测两大技术 的优势。为进一步降低入侵检测系统的误报率，提出了一种基于信息回馈检测 技术的改进方案。 (3)对实现的系统原型进行了实验。从入侵检测系统标准 评估数据集中提取训练和测试数据，对采用不同神经网络技术的系统进行对比 实验，结果表明本文算法在拒绝服攻击检测方面具有优势，且对于大量的训练 样本，RBF 算法比 BP 算法在该检测模型中具有更好的效果。 研究结果表明 本文系统对拒绝服务攻击等入侵行为具有较高的检测率和较低的误报率，且对 未知的攻击行为具有较高的检测能力，对入侵技术的研究与工程实践具有重要 的参考意义。 日益增长的网络服务需求，不断地牵引网络安全技术的发展，入侵检测作为一 种主动防御安全防护技术，成为当前网络与信息安全领域的研究热点之一。传 统入侵检测系统(Intrusion Detection System，IDS)由于检测规则库难于及时 更新、统计模型难以建立等问题，存在着较高的误报率和漏报率，特别对拒绝 服务攻击等入侵行为更是难以检测。因此，在新的入侵检测技术发展中，将人 工神经网络技术融入到入侵检测系统是其中一个重要的研究方向。 论文针对 传统的入侵检测系统在检测拒绝服务攻击方面存在的不足，基于人工神经网络 技术展开入侵检测技术的研究，所做的主要工作有： (1)在深入研究现有入 侵检测系统工作原理和工作流程的基础上，提出了一种基于人工神经网络技术 的拒绝服务攻击的入侵检测方法，通过在检测特征中加入与时间、连接状态以 及服务相关的属性，可实现基于网络数据包级的入侵检测。 (2)设计和实现 了一个基于人工神经网络的入侵检测系统。同时，设计了一个神经网络与 Snort 系统相结合的入侵检测模型，以充分发挥误用检测与异常检测两大技术 的优势。为进一步降低入侵检测系统的误报率，提出了一种基于信息回馈检测 技术的改进方案。 (3)对实现的系统原型进行了实验。从入侵检测系统标准 评估数据集中提取训练和测试数据，对采用不同神经网络技术的系统进行对比 实验，结果表明本文算法在拒绝服攻击检测方面具有优势，且对于大量的训练 样本，RBF 算法比 BP 算法在该检测模型中具有更好的效果。 研究结果表明 本文系统对拒绝服务攻击等入侵行为具有较高的检测率和较低的误报率，且对 未知的攻击行为具有较高的检测能力，对入侵技术的研究与工程实践具有重要 的参考意义。 日益增长的网络服务需求，不断地牵引网络安全技术的发展，入侵检测作为一 种主动防御安全防护技术，成为当前网络与信息安全领域的研究热点之一。传统入侵检测系统(Intrusion Detection System，IDS)由于检测规则库难于及时 更新、统计模型难以建立等问题，存在着较高的误报率和漏报率，特别对拒绝 服务攻击等入侵行为更是难以检测。因此，在新的入侵检测技术发展中，将人 工神经网络技术融入到入侵检测系统是其中一个重要的研究方向。 论文针对 传统的入侵检测系统在检测拒绝服务攻击方面存在的不足，基于人工神经网络 技术展开入侵检测技术的研究，所做的主要工作有： (1)在深入研究现有入 侵检测系统工作原理和工作流程的基础上，提出了一种基于人工神经网络技术 的拒绝服务攻击的入侵检测方法，通过在检测特征中加入与时间、连接状态以 及服务相关的属性，可实现基于网络数据包级的入侵检测。 (2)设计和实现 了一个基于人工神经网络的入侵检测系统。同时，设计了一个神经网络与 Snort 系统相结合的入侵检测模型，以充分发挥误用检测与异常检测两大技术 的优势。为进一步降低入侵检测系统的误报率，提出了一种基于信息回馈检测 技术的改进方案。 (3)对实现的系统原型进行了实验。从入侵检测系统标准 评估数据集中提取训练和测试数据，对采用不同神经网络技术的系统进行对比 实验，结果表明本文算法在拒绝服攻击检测方面具有优势，且对于大量的训练 样本，RBF 算法比 BP 算法在该检测模型中具有更好的效果。 研究结果表明 本文系统对拒绝服务攻击等入侵行为具有较高的检测率和较低的误报率，且对 未知的攻击行为具有较高的检测能力，对入侵技术的研究与工程实践具有重要 的参考意义。 日益增长的网络服务需求，不断地牵引网络安全技术的发展，入侵检测作为一 种主动防御安全防护技术，成为当前网络与信息安全领域的研究热点之一。传 统入侵检测系统(Intrusion Detection System，IDS)由于检测规则库难于及时 更新、统计模型难以建立等问题，存在着较高的误报率和漏报率，特别对拒绝 服务攻击等入侵行为更是难以检测。因此，在新的入侵检测技术发展中，将人 工神经网络技术融入到入侵检测系统是其中一个重要的研究方向。 论文针对 传统的入侵检测系统在检测拒绝服务攻击方面存在的不足，基于人工神经网络 技术展开入侵检测技术的研究，所做的主要工作有： (1)在深入研究现有入 侵检测系统工作原理和工作流程的基础上，提出了一种基于人工神经网络技术 的拒绝服务攻击的入侵检测方法，通过在检测特征中加入与时间、连接状态以 及服务相关的属性，可实现基于网络数据包级的入侵检测。