采用BP神經網絡的分布式入侵檢測模型構建.pdf

1、隨著Internet的飛速發(fā)展，計算機網絡的安全問題日漸突出，殺毒軟件、防火墻技術和針對單機的入侵檢測技術，其局限性也隨之逐步顯現(xiàn)，尤其對分布式的入侵行為，已不能很好地滿足人們保護網絡安全的需要。在這樣的背景和需求下，分布式入侵檢測技術產生了。然而，在傳統(tǒng)的分布式入侵檢測系統(tǒng)模型中，總會在不同程度上存在單點失效、響應時間長、網絡負載大、智能性差等問題。
　　移動Agent技術是當前計算機科學領域新興的一門技術，其獨特的性能給解決分

2、布式問題帶來很大的改革。伴隨著分布式入侵檢測技術的發(fā)展，移動Agent技術也正被廣泛應用到入侵檢測領域。
　　人工神經網絡是并行分布式系統(tǒng)，具有自學習、自適應和自組織的能力。它為解決復雜度大的問題提供了一種相對比較有效的簡單方法，近來在入侵檢測領域越來越受到人們的關注。
　　本文敘述了計算機網絡安全研究的背景和現(xiàn)狀以及分布式入侵檢測的產生和發(fā)展;闡述了入侵、入侵檢測和入侵檢測系統(tǒng)的定義，以及入侵檢測的分類和現(xiàn)有的入侵檢測模型

3、;對BP神經網絡、移動Agent技術及其在入侵檢測領域的研究與應用進行了概括與總結;構建出一個采用BP神經網絡的分布式入侵檢測模型;探討了該模型的實現(xiàn)并對其性能進行了仿真實驗驗證。
　　該模型采用“域內集中處理，域間互助協(xié)作”的工作方式，將整個受保護的網絡劃分成若干個域，每個域內是一個完整的中心分析型分布式入侵檢測系統(tǒng)，域間地位平等，互相協(xié)作，共同完成分布式入侵檢測。這樣以來，既能克服單點故障問題，又便于管理，又容易分析判別是本地