学位论文 > 优秀研究生学位论文题录展示

基于BP神经网络入侵检测算法研究

作　者: 颜浩
导　师: 蒋天发
学　校: 中南民族大学
专　业: 计算机应用技术
关键词: 入侵检测 BP神经网络 PSO算法 Dos攻击 Probing攻击
分类号: TP393.08
类　型: 硕士论文
年　份: 2013年
下　载: 30次
引　用: 0次
阅　读: 论文下载

内容摘要

近年来，网络安全问题得到了越来越多人的关注，作为网络安全重要技术之一，入侵检测技术经历了近三十年的发展，但其仍存在若干不足因素(比如检测实时性差，需手动更新规则库等)，将BP神经网络应用于网络入侵检测能有效针对上述不足，却又存在系统误报率、漏报率较高等问题。针对传统BP神经网络入侵检测模型在检测率和收敛速度等方面的缺陷，将改进型PSO-BP神经网络应用于入侵检测系统模型中，选用KDDCUP1999中的Dos攻击和Probing攻击数据集，通过Microsoft Visual Studio2010及Matlab2010b进行仿真实验，验证系统在漏报率、误报率以及收敛速度方面的改进效果。目前，神经网络广泛应用于各个领域并取得了较好的成果，文章之所以进行这样的尝试，主要因为：（1）区别于传统入侵检测技术，将神经网络应用于入侵检测可以通过训练的方法获取预知能力，对于新的入侵方式，可以通过再训练的方法使神经网络对新的攻击做出响应，保证了系统的自适应能力；（2）神经网络具有一定的容错处理能力及较强的鲁棒性，适用于基于网络的入侵检测系统；（3）神经网络具有快速的匹配能力，使其能够保证系统实时性的要求。文章首先论述了网络攻击类型，通过对各种攻击技术的原理进行分析，引出入侵检测技术，并对入侵检测发展方向进行了探讨。其次详细分析了标准BP神经网络算法及常用的改进方式，其中包括梯度下降算法和附加动量算法等。针对BP神经网络局部搜索能力和粒子群算法的全局搜索能力，详细描述将粒子群算法应用于BP神经网络的情形，并论述了改进型PSO-BP神经网络的算法流程。最后论述改进型PSO-BP神经网络入侵检测的系统模型，选用KDDCUP1999数据集进行仿真实验，验证入侵检测模型在检测Dos攻击和Probing扫描攻击，在系统漏报率、误报率以及收敛速度方面的改进，说明了改进型PSO-BP神经网络应用于入侵检测系统的有效性和可行性。

全文目录

摘要  5-6
Abstract  6-10
第1章绪论  10-13
  1.1 课题研究背景  10
  1.2 国内外研究现状  10-11
  1.3 本文的研究内容  11-12
  1.4 论文的组织结构  12-13
第2章网络攻击原理及入侵检测技术  13-22
  2.1 网络攻击类型  13-16
    2.1.1 DOS 攻击  13-15
    2.1.2 Probing 扫描攻击  15
    2.1.3 R2L 攻击  15-16
    2.1.4 U2R 攻击  16
  2.2 入侵检测技术及发展前景  16-20
    2.2.1 入侵检测  16-17
    2.2.2 入侵检测分类  17-18
    2.2.3 入侵检测系统评价  18-19
    2.2.4 入侵检测的发展前景  19-20
  2.3 现有入侵检测研究方法  20-21
  2.4 本章小结  21-22
第3章基于 BP 神经网络的入侵检测算法研究及改进  22-39
  3.1 人工神经网络  22-27
    3.1.1 人工神经网络概念及发展  22-23
    3.1.2 人工神经网络模型  23
    3.1.3 BP 神经网络模型  23-25
    3.1.4 BP 神经网络训练算法  25-27
  3.2 BP 神经网络算法分析  27-29
  3.3 BP 算法改进  29-38
    3.3.1 粒子群优化算法原理  29-30
    3.3.2 PSO 算法改进  30-33
    3.3.3 改进后的 PSO 算法过程  33
    3.3.4 改进 PSO 算法性能测试和分析  33-36
    3.3.5 改进 PSO 算法结合 BP 神经网络  36-37
    3.3.6 改进型 PSO-BP 算法性能测试和分析  37-38
  3.4 本章小结  38-39
第4章基于 PSO-BP 神经网络入侵检测系统设计  39-54
  4.1 BP 神经网络原型总体结构  39-43
    4.1.1 数据捕获模块  40
    4.1.2 数据预处理模块  40-42
      4.1.2.1 DOS 攻击特征  40-41
      4.1.2.2 Probing 攻击特征  41
      4.1.2.3 特征提取  41-42
    4.1.3 神经网络训练模块  42-43
    4.1.4 数据检测模块  43
    4.1.5 系统响应模块  43
  4.2 实验环境  43-48
    4.2.1 实验数据集  43-45
    4.2.2 实验数据预处理  45-48
  4.3 神经网络参数选取  48-51
  4.4 仿真结果分析  51-53
  4.5 本章小结  53-54
第5章总结和展望  54-56
  5.1 本文工作的总结  54
  5.2 下一步的研究工作  54-56
参考文献  56-60
致谢  60-61
附录硕士阶段发表的学术论文  61

基于BP神经网络入侵检测算法研究

内容摘要

全文目录

相似论文