论文部分内容阅读
随着互联网应用的发展，网络安全日益重要。入侵检测系统(IDS)作为和防火墙、加密系统并列的一种安全手段得到了很大的发展。入侵检测技术作为一种主动地安全防护技术，及时地检测各种恶意入侵并在网络系统受到危害时进行响应。入侵检测是一种新兴的网络安全技术，目前正越来越受重视，但是作为一种新兴技术在应用领域的研究还有待探索和完善。 人工神经网络是模拟生物神经结构的新型智能系统，它是在生物神经网络理论的基础上构成的多个神经元互相连接的网络，主要研究复杂的多维非线性大系统中的信息分布、信息处理的理论和方法，并用于解决实际的工程问题。这门学科的研究使诸如生物学、认知科学、非线性科学等基础学科与计算机、电子学、人工智能、信息处理、模式识别等工程学科有机地结合起来，并且具有广泛的应用前景。 在利用林肯实验室的入侵检测测试数据集的基础上，本文采用MIT林肯实验室对DARPA数据集的分类，实现了应用神经网络的方法来对三组分类的异常入侵检测，并将三组分类检测结果利用D-S证据理论方法进行数据融合。并且将融合前后的检测结果进行比较和研究，入侵检测的性能评估指标都有提升，融合后结果基本达到要求。 本文主要工作： 在借鉴MIT林肯实验室的入侵检测测试数据集的基础上，对试验数据进行预处理和分类。根据网络连接的不同属性将有用特征进行分组； 根据不同特征组，训练神经网络进行初步分类，判断网络连接属性为正常或是恶意入侵，得到最终检测结果，并利用D-S证据理论方法进行数据融合提高检测精度。 最后，总结了研究工作中的不足和进一步的工作，并对入侵检测技术的未来的研究方向和发展前景进行了分析。