基于神經(jīng)網(wǎng)絡(luò)的入侵檢測方法研究.pdf

1、隨著世界上越來越多的政府部門、公司和個人依賴于計算機網(wǎng)絡(luò)，保證網(wǎng)絡(luò)信息安全成為十分嚴峻的課題。入侵檢測技術(shù)作為一種主動的信息安全保障措施，引起學術(shù)界和實業(yè)界的密切關(guān)注。目前使用的入侵檢測系統(tǒng)主要是基于規(guī)則分析的專家系統(tǒng)，它大大提高了信息安全系統(tǒng)的效率和實用性，但在利用規(guī)則庫審計網(wǎng)絡(luò)數(shù)據(jù)記錄，判別網(wǎng)絡(luò)中是否存在入侵時，攻擊行為的微小變化就會影響系統(tǒng)的判別，導致入侵檢測的誤報和漏報。 本文研究基于神經(jīng)網(wǎng)絡(luò)的入侵檢測方法。將混沌神經(jīng)元

2、引入到前饋型神經(jīng)網(wǎng)絡(luò)中，構(gòu)建了MLP/CNN混合神經(jīng)網(wǎng)絡(luò)濫用入侵檢測模型，它既具備MLP的實時分類能力，又具有混沌神經(jīng)元的延時、收集和思維判斷功能；提出了BP/Elman混合神經(jīng)網(wǎng)絡(luò)異常入侵檢測方法，它能夠發(fā)現(xiàn)新的入侵行為，訓練簡單、使用方便。為了驗證所提出方法的有效性，本文利用Lincoln實驗室采集的DARPA數(shù)據(jù)集對入侵檢測方法進行了評估，結(jié)果顯示本文的方法在提高入侵檢測率和減少誤報率方面取得了進展。具體工作如下： 1研究

3、一種耗散型混沌神經(jīng)元動力學，模擬大腦的高階信息處理能力，識別復(fù)雜多變的入侵。在分析混沌的主要特征和識別混沌的主要方法基礎(chǔ)上，分析了自激神經(jīng)元和自抑制神經(jīng)元的參數(shù)空間，對混沌神經(jīng)元關(guān)于多個參數(shù)的分岔與混沌進行數(shù)值模擬，對多種參數(shù)神經(jīng)元的運行機制進行計算機仿真。研究發(fā)現(xiàn)，自抑制神經(jīng)元具有以倒分岔特性為特點的時間增益功能，提出利用混沌神經(jīng)元的倒分岔特性，彌補普通神經(jīng)網(wǎng)絡(luò)的不足，識別分布協(xié)作式入侵。 2提出了基于混沌神經(jīng)元的神經(jīng)網(wǎng)絡(luò)入侵

4、檢測分類方法。首先闡明延時分類原理，制定混沌神經(jīng)元的參數(shù)選取原則，然后研究混沌狀態(tài)識別算法(CSIA)和延時分類三元組判據(jù)，設(shè)計延時神經(jīng)網(wǎng)絡(luò)的訓練算法和延時分類識別算法。本文使用實例驗證了提出的三種算法。 3提出MLP/CNN混合神經(jīng)網(wǎng)絡(luò)入侵檢測方法。首先建立MLP神經(jīng)網(wǎng)絡(luò)濫用檢測模型，利用在局域網(wǎng)中模擬FTPblute-force濫用入侵截獲的數(shù)據(jù)，對MLP神經(jīng)網(wǎng)絡(luò)進行訓練和測試，結(jié)果表明MLP模型具有實時濫用檢測能力。在ML

5、P實時濫用檢測模型的基礎(chǔ)上，引入混沌神經(jīng)元，建立MLP/CNN混合神經(jīng)網(wǎng)絡(luò)模型，制定延時濫用入侵判據(jù)。利用開環(huán)訓練、然后再閉環(huán)訓練的方法訓練混合神經(jīng)網(wǎng)絡(luò)，并對網(wǎng)絡(luò)進行測試。結(jié)果表明，MLP/CNN混合神經(jīng)網(wǎng)絡(luò)能夠有效地識別濫用分布式入侵。 4提出BP/Elman神經(jīng)網(wǎng)絡(luò)異常檢測方法。利用具有循環(huán)連接權(quán)值的Elman神經(jīng)網(wǎng)絡(luò)，發(fā)現(xiàn)新的異常入侵行為，通過記錄網(wǎng)絡(luò)通信的歷史行為，提高系統(tǒng)的入侵檢測率和降低誤報率。對不同參數(shù)的Elman

6、網(wǎng)絡(luò)進行大量測試，優(yōu)選出最佳工作點。 5提出基于Web攻擊的神經(jīng)網(wǎng)絡(luò)的異常入侵檢測方法，利用幾種檢測技術(shù)來檢測對Web服務(wù)器和Web應(yīng)用的攻擊。該方法以Web服務(wù)器的聯(lián)機日志文件為檢測對象，對每一個Web請求進行打分，將所得分數(shù)作為BP神經(jīng)網(wǎng)絡(luò)的輸入，通過神經(jīng)網(wǎng)絡(luò)分析后，得出是否異常的結(jié)論。它利用通用的異常檢測技術(shù)，不考慮特定程序或運行環(huán)境，在檢測帶有參數(shù)的HTTP查詢時，具有一定優(yōu)越性。 6采用ROC曲線對本文提出的神