基于IBP-ES的入侵檢測系統(tǒng)模型研究.pdf

1、　　在當今社會，信息已成為國家的主要財富和重要的戰(zhàn)略資源，對信息的爭奪，直接地表現(xiàn)為網(wǎng)絡(luò)信息的安全與對抗。傳統(tǒng)的網(wǎng)絡(luò)信息安全防護技術(shù)如防火墻、信息加密等提供的是一種靜態(tài)的﹑被動防護，已遠遠不能滿足用戶要求，入侵檢測技術(shù)作為一種積極主動的動態(tài)防護技術(shù)己成為信息安全領(lǐng)域的研究熱點。
　　為了提高入侵檢測系統(tǒng)的檢測能力，本文提出了一種基于神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的入侵檢測系統(tǒng)模型。該模型采用 BP 神經(jīng)網(wǎng)絡(luò)算法，同時通過事先總結(jié)的專家知識庫，

2、以類似專家解決實際問題的推理機制，形成一個神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)入侵檢測系統(tǒng)模型。基于神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的入侵檢測系統(tǒng)模型，不僅對已知入侵行為的檢測精度高，而且對于未知的入侵行為也能進行有效檢測，減少了事件的誤報率和漏報率。
　　在具體設(shè)計中，針對標準 BP 學習算法收斂速度慢和容易陷入局部極小的問題，設(shè)計了優(yōu)化的BP學習算法即IBP算法，并通過MATLAB仿真驗證了IBP算法的優(yōu)越性。利用VB與C++語言，設(shè)計了以遼工大校園網(wǎng)為模擬對