基于RBF神经网络入侵检测模型的研究-计算机软件与理论专业论文.docxVIP

基于RBF神经网络入侵检测模型的研究 摘要 入侵检测是一种主动的网络安全防御措施，它不仅可以通过监测网络实现对 内部攻击、外部攻击和误操作的实时保护，有效弥补防火墙的不足。而且还能够 结合其他网络安全产品，对网络安全进行全方位的保护。具有主动性和实时性的 特点，是防火墙重要的和有益的补充。但传统的入侵检测系统仍存在检测速度慢， 漏检率高等缺陷。 本文从介绍入侵检测的基本概念入手，首先介绍了入侵检测的分类、现有的 常见的网络攻击以及现有的安全措施，并分析了现有入侵检测系统存在的不足之 处。在入侵检测系统中，如果仅仅利用正常规则库，只能判断数据是正常还是异 常，假设正常规则库不完备会导致误报率很高，也检测不出具体的入侵类型；而 仅仅采用神经网络进行入侵类型的识别，则所有待检测数据都要通过神经网络来 处理，就增加了时间复杂度。所以，我们从加快检测速度、提高识别精度的角度 出发，提出了一个基于自适应遗传算法的RBF神经网络的入侵检测模型。 同时本文介绍了人工神经网络在入侵检测中的应用，重点介绍了BP神经网 络，针对BP神经网络在实际应用中存在的问题，对BP算法进行了深入的研究 并总结了其缺陷所在。通过比较，我们最终采用了RBF神经网络应用到该模型 中进行入侵检测，并用自适应遗传算法优化RBF网络的相关参数，详细分析了 该模型的设计思路和各模块的实现过程，重点研究RBF网络模块。理论上来说， 该模型结合了RBF神经网络和自适应遗传算法的优点，从一定程度上可以提高 入侵检测的准确率、降低误报率。 最后分析了该模型的检测性能和效率，通过对比试验，结果表明RBF神经 网络和自适应遗传算法应用于入侵检测是可行的，本文提出的一个基于自适应遗 传算法的RBF神经网络的入侵检测模型有一定的研究价值。 关键词：入侵检测；RBF神经网络；BP神经网络；自适应遗传算法  Research on Model of IDS Based on RBF Neural Network AbStract Intrusion detection iS all active preventive measure of network security,it not only can be achieved by monitoring the network for internal attacks，external attacks and misuse in real-time protection，and make up a firewall effectively．But also Call be combined with other network security products，to protect network all—round．With the initiative and real-time，it is an important and useful supplement for firewall．However， traditional intrusion detection systems whose detection speed is still slow,and false negative rate is high． This dissertation is described from the basic concepts of intrusion detection， firstly introduces the classification of intrusion detection，the existing common network attacks and security measures，and analyzes the existing deficiencies．In intrusion detection system，if only to use the normal rule base，only to determine the data is normal or abnormal，assuming that the normal rule base is not complete，it will lead to hi曲rate of false alarm，but also call not detect specific intrusion type；but simply using neural network to identify the invasion type，all the test data must be handled through the neural network，whic