基于神經網絡的入侵預測模型.pdf

1、獨創(chuàng)性聲明本人聲明所呈交的學位論文是本人在導師指導下進行的研究工作和取得的研究成果，除了文中特別加以標注和致謝之處外，論文中不包含其他人已經發(fā)表或撰寫過的研究成果，也不包含為獲得丞洼王些太堂或其他教育機構的學位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示了謝意。學位論文作者簽名：卻駕誨簽字日期：加B年f月Cf日學位論文版權使用授權書本學位論文作者完全了解云洼工業(yè)盍堂有關保留、使用學位論文

2、的規(guī)定。特授權云洼至些太堂可以將學位論文的全部或部分內容編入有關數據庫進行檢索，并采用影印、縮印或掃描等復制手段保存、匯編以供查閱和借閱。同意學校向國家有關部門或機構送交論文的復印件和磁盤。(保密的學位論文在解密后適用本授權說明)翩虢鈁荔為簽字日期：五夕肜年／月夕日毒舊o“呷彭；p丫，芻●●一_一氰年簽馬者幻睹功文期淪目位字學答～摘要本文闡述了基于神經網絡的入侵檢測模型的設計。主要內容是設計一種基于神經網絡的入侵檢測模型，實現對現有拒絕

3、服務攻擊的檢測。神經網絡學習規(guī)則和網絡結構的設計是本文的核心。改進后的學習規(guī)則部分解決了線性聯(lián)想器中Hebb規(guī)則的局限性：在實際輸入向量并非標準正交的情況下，令網絡輸出的誤差和網絡權值不隨學習次數的增加而變大。對實際輸出不為期望輸出(I或0)的情況，使用分段函數，將實際輸出轉換為標準輸出。設計網絡結構時不使用～個網絡判斷所有攻擊，使用不同網絡檢測不同攻擊。最后使用KDD99作為測試數據源，針對不同攻擊有選擇地選取測試指標(而非使用數據集