基于神经网络的入侵检测分类算法优化设计与实现.doc
约38页DOC格式手机打开展开
基于神经网络的入侵检测分类算法优化设计与实现,1.6万字自己原创的毕业论文，已经通过校内系统检测，重复率低，仅在本站独家出售，大家放心下载使用摘 要 随着计算机网络科技的高速发展以及广泛应用，网络入侵越来越多样化。传统的安全技术所能检测到的攻击十分有限，而入侵检测作为一种主动防御技术，它对进出网络和主机的数据流进行分析判...
内容介绍
此文档由会员 jiji888 发布
基于神经网络的入侵检测分类算法优化设计与实现
1.6万字
自己原创的毕业论文，已经通过校内系统检测，重复率低，仅在本站独家出售，大家放心下载使用
摘 要 随着计算机网络科技的高速发展以及广泛应用，网络入侵越来越多样化。传统的安全技术所能检测到的攻击十分有限，而入侵检测作为一种主动防御技术，它对进出网络和主机的数据流进行分析判断，根据识别结果，产生及时处理。但是单纯的入侵检测也存在很多缺点，如检测海量数据效率低、统计模型较难建立、较高的误报率和漏报率等等，不腀@浞致阌没枨蟆�
在这种背景下，神经网络强大的学习能力、联想记忆能力、模糊运算能力和快速寻找优化解的能力，使得神经网络成为解决入侵检测系统面临的问题的一种新途径。神经网络的模型非常多，但真正实用化的并不多，本次毕业设计将选取BP和RBF这两种应用比较广泛的算法，来实现高效率、低误差的入侵检测。
本论文会对BP和RBF这两种神经网络模型的原理进行阐述，然后根据课题要求分别进行模块的设计。并且要借助MATLAB平台和其中的神经网络工具箱，利用KDD99数据集，两种不同的运行结果进行分析和比较，最终提高入侵检测的检测率，降低误报率。
关键词：入侵检测；神经网络；BP算法；RBF算法
Optimized design and Implementation of Intrusion detection Classification algorithm based on neural network
Abstract With the rapid development of computer network technology and it’s widely used, network intrusion increasingly diverse. The attack that traditional security technology can detect is very limited. Intrusion detection technology is very proactive; it has access to the network and host data stream analysis to determine. It based on the recognition result, and will have a timely manner. However, the simple IDS has many drawbacks, for example: inefficient detection of massive data, difficult to establish a statistical model, a high rate of false positives and false negatives and so on. It cannot fully meet users’ needs.
In this context, neural network’s powerful learning ability, associative memory capacity, fuzzy computing power and the ability to quickly find the optimal solution, which makes the neural network become a new way to solve the intrusion detection system’s problems. Neural network’s models are too many to choose from, but it’s less to choose something practical. This graduation project will select both BP and RBF algorithm which are widely used, to achieve high efficiency, low error IDS.
In this paper, will the principles of these two algorithms elaborated, with the MATLAB platform and the neural network toolbox in it, using KDD99 data sets, for the results to analyse and compare the advantages and disadvantages. In the end, we can improve the detection rate and reduce the false rate of the intrusion detection.
Key Words：Intrusion detection；Neural network；BP algorithm；RBF algorithm
目 录
目 录 III
第一章 绪论 1
1.1 研究背景与意义 1
1.2 国内外研究现状 2
1.3 研究内容与工作 2
1.4 论文结构安排 3
第二章 相关原理与实验环境介绍 4
2.1 入侵检测简介 4
2.1.1 入侵检测定义 4
2.1.2 入侵检测通用模型 4
2.1.3 入侵检测性能指标 5
2.2 神经网络简介 6
2.2.1 神经网络定义 6
2.2.2 神经网络特点 6
2.2.3 神经网络模型 7
2.2.4 入侵检测基于神经网络的优势 9
2.3 实验环境介绍 10
2.3.1 MATLAB介绍 10
2.3.2 MATLAB神经网络工具箱介绍 10
2.3.3 KDD99数据集介绍 10
第三章 基于神经网络的IDS的模块设计 12
3.1 数据采集模块 12
3.1.1 数据模块功能 12
3.1.2 数据处理流程 12
3.2 BP模块设计 13
3.2.1 BP算法思想 13
3.2.2 BP算法流程图 14
3.2.3 BP模型的建立 15
3.3 RBF模块设计 16
3.3.1 RBF算法思想 16
3.3.2 RBF算法流程图 17
3.3.3 RBF模型的建立 18
第四章 模块功能实现 19
4.1 数据处理结果与分析 19
4.2 BP算法运行结果与分析 19
4.3 RBF算法运行结果与分析 23
4.4 两种算法的对比 24
第五章 总结与展望 25
5.1 总结 25
5.2 展望 25
致 谢 26
参考文献 27
附录 代码 28
1.6万字
自己原创的毕业论文，已经通过校内系统检测，重复率低，仅在本站独家出售，大家放心下载使用
摘 要 随着计算机网络科技的高速发展以及广泛应用，网络入侵越来越多样化。传统的安全技术所能检测到的攻击十分有限，而入侵检测作为一种主动防御技术，它对进出网络和主机的数据流进行分析判断，根据识别结果，产生及时处理。但是单纯的入侵检测也存在很多缺点，如检测海量数据效率低、统计模型较难建立、较高的误报率和漏报率等等，不腀@浞致阌没枨蟆�
在这种背景下，神经网络强大的学习能力、联想记忆能力、模糊运算能力和快速寻找优化解的能力，使得神经网络成为解决入侵检测系统面临的问题的一种新途径。神经网络的模型非常多，但真正实用化的并不多，本次毕业设计将选取BP和RBF这两种应用比较广泛的算法，来实现高效率、低误差的入侵检测。
本论文会对BP和RBF这两种神经网络模型的原理进行阐述，然后根据课题要求分别进行模块的设计。并且要借助MATLAB平台和其中的神经网络工具箱，利用KDD99数据集，两种不同的运行结果进行分析和比较，最终提高入侵检测的检测率，降低误报率。
关键词：入侵检测；神经网络；BP算法；RBF算法
Optimized design and Implementation of Intrusion detection Classification algorithm based on neural network
Abstract With the rapid development of computer network technology and it’s widely used, network intrusion increasingly diverse. The attack that traditional security technology can detect is very limited. Intrusion detection technology is very proactive; it has access to the network and host data stream analysis to determine. It based on the recognition result, and will have a timely manner. However, the simple IDS has many drawbacks, for example: inefficient detection of massive data, difficult to establish a statistical model, a high rate of false positives and false negatives and so on. It cannot fully meet users’ needs.
In this context, neural network’s powerful learning ability, associative memory capacity, fuzzy computing power and the ability to quickly find the optimal solution, which makes the neural network become a new way to solve the intrusion detection system’s problems. Neural network’s models are too many to choose from, but it’s less to choose something practical. This graduation project will select both BP and RBF algorithm which are widely used, to achieve high efficiency, low error IDS.
In this paper, will the principles of these two algorithms elaborated, with the MATLAB platform and the neural network toolbox in it, using KDD99 data sets, for the results to analyse and compare the advantages and disadvantages. In the end, we can improve the detection rate and reduce the false rate of the intrusion detection.
Key Words：Intrusion detection；Neural network；BP algorithm；RBF algorithm
目 录
目 录 III
第一章 绪论 1
1.1 研究背景与意义 1
1.2 国内外研究现状 2
1.3 研究内容与工作 2
1.4 论文结构安排 3
第二章 相关原理与实验环境介绍 4
2.1 入侵检测简介 4
2.1.1 入侵检测定义 4
2.1.2 入侵检测通用模型 4
2.1.3 入侵检测性能指标 5
2.2 神经网络简介 6
2.2.1 神经网络定义 6
2.2.2 神经网络特点 6
2.2.3 神经网络模型 7
2.2.4 入侵检测基于神经网络的优势 9
2.3 实验环境介绍 10
2.3.1 MATLAB介绍 10
2.3.2 MATLAB神经网络工具箱介绍 10
2.3.3 KDD99数据集介绍 10
第三章 基于神经网络的IDS的模块设计 12
3.1 数据采集模块 12
3.1.1 数据模块功能 12
3.1.2 数据处理流程 12
3.2 BP模块设计 13
3.2.1 BP算法思想 13
3.2.2 BP算法流程图 14
3.2.3 BP模型的建立 15
3.3 RBF模块设计 16
3.3.1 RBF算法思想 16
3.3.2 RBF算法流程图 17
3.3.3 RBF模型的建立 18
第四章 模块功能实现 19
4.1 数据处理结果与分析 19
4.2 BP算法运行结果与分析 19
4.3 RBF算法运行结果与分析 23
4.4 两种算法的对比 24
第五章 总结与展望 25
5.1 总结 25
5.2 展望 25
致 谢 26
参考文献 27
附录 代码 28
