基于多神經(jīng)網(wǎng)絡(luò)模塊的入侵檢測技術(shù)

???????? 神經(jīng)網(wǎng)絡(luò)應(yīng)用于入侵檢測可以克服傳統(tǒng)檢測技術(shù)的一些不足，如誤報率高、對已知攻擊的變種無法檢測等，然而一般的神經(jīng)網(wǎng)絡(luò)模型只能判斷系統(tǒng)是否遭到攻擊，卻無法知道是什么類型的攻擊。本文描述的多神經(jīng)網(wǎng)絡(luò)模型以及訓(xùn)練方法不但可以判斷是否受到攻擊，而且可以識別出攻擊的類型。
關(guān)鍵字：神經(jīng)網(wǎng)絡(luò)，特征提取，加沖量的 BP 算法。
???????? 隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展、網(wǎng)絡(luò)安全形式的變化，傳統(tǒng)的入侵檢測技術(shù)越來越暴露自己的局限和不足。把神經(jīng)網(wǎng)絡(luò)應(yīng)用于入侵檢測系統(tǒng)具有很多傳統(tǒng)檢測方式無法比擬的優(yōu)勢：1、神經(jīng)網(wǎng)絡(luò)具有概括和抽象能力，對不完整輸入信息具有一定程度的容錯處理能力。2、神經(jīng)網(wǎng)絡(luò)具備高度的學(xué)習(xí)和自適應(yīng)能力。3、神經(jīng)網(wǎng)絡(luò)有其內(nèi)在的并行性，各個節(jié)點可并行計算，此種潛在的高速計算能力意味著在很短的時間內(nèi)能處理更多的信息。提高檢測速度。
????????? 隨著互聯(lián)網(wǎng)環(huán)境的發(fā)展，基于網(wǎng)絡(luò)流量分析的入侵檢測技術(shù)逐漸流行。Cannady （參考文獻(xiàn)【1】）和Mahaffey 將MLP 模型和SOM/MLP 混合模型應(yīng)用到基于網(wǎng)絡(luò)流量的誤用檢測模型中。MIT 的Lippmann 和Cunningham（參考文獻(xiàn)【2】）等人明確提出采用關(guān)鍵字和神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法進(jìn)行網(wǎng)絡(luò)入侵檢測并針對Telnet 服務(wù)會話進(jìn)行了相關(guān)研究，Lippmann 等人對關(guān)鍵字的選取原則進(jìn)行了一定的說明，并在達(dá)到80%的檢測率的基礎(chǔ)上將誤報率降低到大約每天一次的水平。