基于隐马尔科夫模型和神经网络的入侵检测研究-计算机应用技术专业论文.docxVIP

第五章 模型的实现及实验结果分析 45 5.1 入侵检测模型中算法之间的关系 45 5.2 开发环境 46 5.3 入侵检测模型的实现 46 5.3.1 数据处理模块 46 5.3.2 训练模块 51 5.3.3 入侵检测模块 52 5.3.4 响应模块 55 5.4 系统的封装 55 5.5 实验及结果分析 57 5.6 小结 59 第六章 总结和工作展望 60 6.1 总结 60 6.2 工作展望 61 参考文献 62 成果目录 67 致 谢 68 I I 摘 要 随着计算机网络应用的普及，它提供的信息交换、资源共享、分布式处理等服务 极大地方便了人们对信息的需求。然而人们在享受这些方便的同时，网络安全问题也 越来越成为关注的焦点。入侵检测作为网络安全的重要一环，它不仅检测来自外部的 入侵行为，同时也监督内部用户的未授权活动。本文将隐马尔科夫模型和神经网络应 用到入侵检测领域，提出了一个基于隐马尔科夫模型和神经网络的入侵检测模型。该 模型由数据处理模块、数据训练模块、入侵检测模块和响应模块四部分组成。 本文中首先根据被攻击者发送响应包的特点，捕获、解析了 TCP、UDP、ICMP 三种协议的数据包，并按照协议类型对不同的数据包进行了预处理，使用 Baum-Welch 算法对模型进行了训练。针对隐马尔可夫模型(HMM)应用在入侵检测领域时观察值 难以确定的问题，本文基于流量控制原理及 TCP/IP 模型，提出了一种隐马尔可夫模 型观察值的确定方法，这种方法显著地减小了观察值集合规模，缩短了训练时间。通 过实验确定了滑动窗口大小、输入层和隐含层神经元数并建立了相应的 BP 神经网络， 然后结合隐马尔科夫模型和 BP 神经网络的理论设计了入侵检测算法，该算法把隐马 尔科夫模型输出的最优序列划分为相同长度的小序列作为神经网络的输入来进行二 次检测，通过神经网络的输出判断是否遭到入侵，从而提高了检测率。针对遭受的攻 击，给出了对应的响应算法。 本文最后采用 java 技术实现了该模型，实施了相关的入侵检测实验，结果表明 该模型针对性较强，大大减少了匹配的次数，比单独使用隐马尔科夫模型和神经网络 都具有更高的检测率。 关键词：入侵检测；隐马尔科夫模型；神经网络；网络安全；协议 II II Research on the Hidden Markov Model And Neural Network of Intrusion Detection ABSTRACT With the popularization of computer network applications, information exchange, resources sharing, distributed processing and other services which are provided by the network get it more convenient for people to fulfill the need for information. However, when people enjoy these conveniences, network security is increasingly becoming the focus of concern. As an important part of network security, intrusion detection not only detects outside intrusions, but also supervises activities of unauthorized internal users. In this thesis, the hidden Markov model and neural network are applied to the field of intrusion detection, in addition, an intrusion detection model based on the hidden Markov model and neural network is proposed. This model consists of four parts, data processing module, data training modules, intrusion detection and response modules . According to the characteristics of the attacked computers, they will send respons