神经网络技术在网络入侵检测模型及系统中的应用.docVIP

神经网络技术在网络入侵检测模型及系统中的应用 　　摘 要： 主要研究包含神经网络模块的网络入侵检测模型及系统，分析传统入侵检测系统的缺陷及神经网络技术在入侵检测中的优势，建立了基于神经网络且包含误用和异常检测的网络入侵检测系统。利用该系统进行了大量入侵检测试验，试验结果表明：所建模型具有较低的漏报率和误报率，可以很好地检测各种网络入侵类型，大大提高网络的安全性能。 　　关键词： 神经网络； 入侵检测模型； 网络安全； 漏报率； 误报率 　　中图分类号： TN711?34 文献标识码： A 文章编号： 1004?373X（2015）21?0105?04 　　Application of neural network technology in network 　　intrusion detection model and system 　　ZHAN Muqing 　　（Jingdezhen Ceramic Institute， Jingdezhen 333403， China） 　　Abstract： The network intrusion detection model and system including neural network module are studied mainly. The defects of the traditional intrusion detection system and the advantages of neural network technology applied in intrusion detection are analyzed， and the network intrusion detection system including misuse and abnormal detection based on neural network was established. A large number of intrusion detection tests were carried out by using this system. The test results show that the established model has low missing alarm rate and false alarm rate， can detect a variety of network intrusion types better， and improve the safety performance of the network greatly. 　　Keywords： neural network； intrusion detection model； network security； missing alarm rate； false alarm rate 　　0 引 言 　　最近十年，随着互联网技术的迅速发展，网络安全越来越受到人们的重视，各种利用网络漏洞和病毒入侵的手段层出不穷，极大地威胁着网络安全。而传统的杀毒软件和防火墙技术面对端口扫描和新型木马等网络攻击显得力不从心。在此背景下，作为一种积极主动的安全防护策略，网络入侵检测技术得到了人们广大的关注，获得了广泛的应用。但是随着网络入侵技术的进化，传统的入侵检测技术暴露出诸多缺陷，因此，本文引入了神经网络技术对传统入侵检测系统进行升级，以提高系统的检测性能。 　　目前国内外有许多学者和机构都进行了基于神经网络的网络入侵检测系统的研究和探索。美国国防部为了提高计算机网络系统的防入侵能力，从20世纪90年代开始陆续起草了一系列的建议草案和标准，从结构体系上规定了计算机网络入侵防御的相关技术标准，并资助MIT发布了KDDCUP99入侵检测测试集，为相关研究提供了研究样本； 美国学者L Tony等采用单隐含层的简神经网络构建了一个IDES的入侵检测专家系统，实现了对局域网内几种典型入侵行为的判断，开启了利用神经网络对网络入侵行为进行判断的新途径。随着网络技术，特别是网络入侵技术和大数据技术的迅速发展，国外的网络安全提供商分别推出了自己完善的反网络入侵解决产品，如：思科的IDS?4250T和Internet Security的 Realsecure等[1]。 　　我国的网络入侵检测技术研究起步于20世纪90年代，哈尔滨工程大学的唐立力教授采用KDDCUP99入侵检测测试集作为研究样本，利用RBF神经网络作为判断模块，根据知识库中已经定义好的网络攻击方式来判断是否发生入侵行为，通过网络训练，对常见的四大类型的入侵行为进行了很好的判断；华中科大的周毅等采用遗传算法对BP网络输