论文部分内容阅读
在当今社会，信息已成为国家的主要财富和重要的战略资源，对信息的争夺，直接地表现为网络信息的安全与对抗。传统的网络信息安全防护技术如防火墙、信息加密等提供的是一种静态的﹑被动防护，已远远不能满足用户要求，入侵检测技术作为一种积极主动的动态防护技术己成为信息安全领域的研究热点。 为了提高入侵检测系统的检测能力，本文提出了一种基于神经网络专家系统的入侵检测系统模型。该模型采用 BP 神经网络算法，同时通过事先总结的专家知识库，以类似专家解决实际问题的推理机制，形成一个神经网络专家系统入侵检测系统模型。基于神经网络专家系统的入侵检测系统模型，不仅对已知入侵行为的检测精度高，而且对于未知的入侵行为也能进行有效检测，减少了事件的误报率和漏报率。 在具体设计中，针对标准 BP 学习算法收敛速度慢和容易陷入局部极小的问题，设计了优化的BP学习算法即IBP算法，并通过MATLAB仿真验证了IBP算法的优越性。利用VB与C++语言，设计了以辽工大校园网为模拟对象的入侵检测系统模型，并通过实验验证了所设计的入侵检测模型的有效性与可用性。