电子发烧友网>电子资料下载>电子论文>网络协议论文>基于多神经网络模块的入侵检测技术

基于多神经网络模块的入侵检测技术

2076311 2009-09-15 | rar | 153 | 次下载 | 2积分

资料介绍

         神经网络应用于入侵检测可以克服传统检测技术的一些不足，如误报率高、对已知攻击的变种无法检测等，然而一般的神经网络模型只能判断系统是否遭到攻击，却无法知道是什么类型的攻击。本文描述的多神经网络模型以及训练方法不但可以判断是否受到攻击，而且可以识别出攻击的类型。
关键字：神经网络，特征提取，加冲量的 BP 算法。
         随着互联网技术的发展、网络安全形式的变化，传统的入侵检测技术越来越暴露自己的局限和不足。把神经网络应用于入侵检测系统具有很多传统检测方式无法比拟的优势：1、神经网络具有概括和抽象能力，对不完整输入信息具有一定程度的容错处理能力。2、神经网络具备高度的学习和自适应能力。3、神经网络有其内在的并行性，各个节点可并行计算，此种潜在的高速计算能力意味着在很短的时间内能处理更多的信息。提高检测速度。
          随着互联网环境的发展，基于网络流量分析的入侵检测技术逐渐流行。Cannady （参考文献【1】）和Mahaffey 将MLP 模型和SOM/MLP 混合模型应用到基于网络流量的误用检测模型中。MIT 的Lippmann 和Cunningham（参考文献【2】）等人明确提出采用关键字和神经网络相结合的方法进行网络入侵检测并针对Telnet 服务会话进行了相关研究，Lippmann 等人对关键字的选取原则进行了一定的说明，并在达到80%的检测率的基础上将误报率降低到大约每天一次的水平。