一种增强SOM网络识别连续型网络攻击新方法.pdfVIP

第10期 王磊等：一种增强sOM网络识别连续型网络攻击的新方法 ·137· 一种增强SOM网络识别连续型网络攻击的新方法 王磊，孙世新 (电子科技大学计算机科学与工程学院，四川成都610054) 摘 力，给出了相应的学习算法。并采用DARPA的1999年KDD入侵检测评估数据库作为网络的训练和测试数据， 经仿真得到的检测率为93．1％，误报率为7．3％，表明该方法用于入侵检测有较好的效果。 关键词：入侵检测；神经网络；sOM；FIR滤波器；学习算法 中图法分类号：TP393．08文献标识码：A 文章编号：1001—3695(2005)10—0137．02 ANewMethodof SOM’sAbilities0f Enhancing ConsecutiveAttacks Recognizing WANGLei．SUNShi—xin (鼬ooZ 610054，吼iM) 0，comp以er拓删E昭i袱一昭，踟赫谚矿眈dro梳‰^加如gy，C矗嗍也Js赴^Mn Forthe of sOM’s of consecutive aFSOMmodel Abstract： ability attacks，we purposeenhancing identifying present combing FIRfilterand TotraintheFSOMandtestit’s KDD SOM，andgiveco付espondingle锄ingalgorithm． perfbmance，the benchmarkdatasetis resultis ofdetectionmtesof mtesof last，the 93．1％，f甜se 7．3％，and employed．At capable positive showsthe weused a inintmsiondetectionfiled． approach havinggoodpedbmlance Keywords：IntmsionDetection；NeuralNetwork；SOM；FIRFilter；LeamingAlgorithm 1 引言 2基本的SOM网络 Detection 入侵检测系统(IntmsionSystem，IDs)是防火墙2．1 SOM的基本原理 之后的第二道安全防线，在不影响网络性能的前提下对网络进 Kohonen提出的自组织特征映射神经网络是一类功能强 行监测，它是对系统中未授权的访问，异常的现象、活动与事件 大的无监督学习的网络‘2J。它模仿生物竞争系统中的加强中 进行审计、追踪、识别和检测的全过程。随着互联网络的高速 心／抑制周围的神经元链接方式，网络的输入模式仅使获胜神 发展和网络技术的进步，网络入侵攻击也表现出不确定性、复 经元及