RBF神經(jīng)網(wǎng)絡在入侵檢測中的應用研究.pdf

1、隨著計算機和網(wǎng)絡技術(shù)的不斷發(fā)展，計算機網(wǎng)絡的安全問題也日益突出。目前網(wǎng)絡安全技術(shù)包括路由器、防火墻、漏洞防堵、入侵檢測、審計和反攻擊等，其中路由器過濾、防火墻、漏洞防堵屬于靜態(tài)安全技術(shù)，而入侵檢測、審計和反攻擊等屬于動態(tài)防護。靜態(tài)安全技術(shù)對防止系統(tǒng)被非法入侵起到了一定作用，但在真正的網(wǎng)絡攻擊行為發(fā)生時，尤其是在遭受新型的網(wǎng)絡攻擊方法攻擊時，系統(tǒng)可能會遭受到不可預料的損失。因此需要研究一些積極主動的網(wǎng)絡安全防御手段和反擊手段。入侵檢測系統(tǒng)

2、(Intrusion Detection System，IDS)是一種動態(tài)的安全技術(shù)，它已成為網(wǎng)絡安全必不可少的重要手段。目前大多數(shù)入侵檢測系統(tǒng)檢測率較低，為克服現(xiàn)有IDS的不足，本文從RBF神經(jīng)網(wǎng)絡應用于入侵檢測方面進行了研究。 本文首先介紹了傳統(tǒng)IDS系統(tǒng)結(jié)構(gòu)和檢測方法，分析了入侵檢測技術(shù)面臨的挑戰(zhàn)及其發(fā)展趨勢。對神經(jīng)網(wǎng)絡技術(shù)在IDS中應用的相關(guān)問題進行了探討，深入研究了RBFNN，分析了RBFNN在IDS中應用的優(yōu)點及存在

3、的問題。在此基礎上，針對訓練中廣泛應用的OLS中存在大數(shù)據(jù)量訓練時間過長、不能根據(jù)數(shù)據(jù)特性確定平滑參數(shù)的缺點，本文采用了基于快速模糊C-均值算法和OLS算法相結(jié)合的快速訓練算法。該算法減少了參與OLS訓練算法的樣本數(shù)，解決了OLS方法不能確定中心節(jié)點的平滑參數(shù)的問題。 最后本文用MATLAB7.0工具，選用目前入侵檢測領(lǐng)域較通用的測試數(shù)據(jù)KDD99-Cup Data Set對此算法進行了仿真實驗。仿真試驗結(jié)果表明此快速算法降低了