基于PNN概率神经网络的数据库入侵检测.docVIP

基于PNN概率神经网络的数据库入侵检测 　　中图分类号：TP 文献标识码：A 文章编号：1007-0745（2014）01-0468-03 　　摘要：本文利用神经网络的强大的自学习能力和自适应性来提高安全审计系统的性能。在众多神经网络中，PNN概率神经网络尤为适合运用到入侵行为模式的误用检测方面。因此本文将PNN概率神经网络和入侵检测技术结合起来，研究保护企业数据库的安全技术，并构造出一套企业数据库入侵误用检测模型。该模型主要用于检测已知的入侵行为模式，并给系统及时处理入侵行为提供依据。 　　关键词：数据库安全 PNN概率神经网络 入侵检测 　　Abstract：The thesis uses the neural networks powerful self-learning and self-adaptive to improve the performance of the security audit system. In many neural networks， the Probabilistic Neural Network is particularly suitable for the misuse detection of intrusion mode. The thesis combines the method of the Probabilistic Neural Network with the technique of intrusion detection， and constructs a model of intrusion detection system applied to the corporation database. The mode can detect the known intrusion modes， in the same time， provides the basis for system to deal with the intrusions in time. 　　Key words： Database security Probabilistic Neural Network Intrusion detection 　　数据库作为企业和部门信息系统的重要组成部分，存储着大量的数据，其中某些数据可能是机密的重要数据，这些数据一旦遭到破坏，会给企业和部门造成不可挽回的损失，所以，这些数据的安全性在信息系统的安全中起着至关重要的作用。当前，数据库安全技术的研究已经成为信息安全的重要课题，入侵检测技术是新一代的动态安全保障技术，它用来检测内部用户的不合法操作和外部非法入侵者的恶意攻击。检测系统在检测到攻击的同时，还会采取适当的处理与保护措施，对有效保护数据库安全提供了一种很好的解决思路，被称为防火墙之后的第二道安全闸门。其本身也成为当今信息安全领域的一个研究热点。 　　入侵检测ID（Intrusion Detection）是近十年发展起来的一种预防、动态监测和抵御系统入侵行为的安全机制，弥补了传统安全技术的不足。入侵检测系统IDS（Intrusion Detection System）可以实时监控网络和计算机主机，发现可疑事件，入侵行为一旦被检测出来，系统就会采取报警、记录和切断连接等措施，在对系统安全产生的危害之前及时消除风险。 　　神经网络技术具有自适应和自学习的能力，只要给系统提供所需的网络数据包和审计数据，它就可以通过自学习构造出相对正常的用户或系统活动模型，从而检测出异常活动的攻击模式，因此在检测方法上，将神经网络引入到入侵检测的研究中，使得入侵检测的智能性研究逐渐成为热点。 　　PNN概率神经网络在数据库入侵的误用检测中，能够对入侵行为模式进行快速准确的检测及判断，为系统及时采取相应的措施提供依据。误用检测是指运用已知的攻击方法，根据定义好的异常模式，通过判断这些异常模式是否出现来检测。本文围绕PNN神经网络的运用，对整个数据处理过程进行了介绍，从数据采集，到网络训练，以及测试网络性能，提出利用PNN概率神经网络进行入侵行为模式判断的优势，进而总结出一种新型的企业数据库入侵的误用检测模型。 　　一、PNN神经网络算法模型 　　概率神经网络PNN（Probabilistic Neural Network）是根据径向基函数网络发展而来的一种前馈型神经网络，是径向基网络的一种变化形式，其理论依据是贝叶斯最小风险准则。PNN具有结构简单、训练快捷等优点，在分类问题中，它的优势在于可以利用线性学习算法来完成非线性算法所做的工作，同时又可以保持非线性算法高精度的特点。其结构如图1所示。 　　输入层测试向量X（X1…Xn）通过传递机制传递