基于小波神经网络的入侵检测系统研究

【摘要】： 随着网络的发展,网络与计算机越来越广泛的使用。在现今社会,电子银行、电子商务等网络服务正在悄悄地进入人们的生活。与之俱来的,网络攻击也在不断地增加。人们现在已经认识到了保证网络安全的重要性。 入侵检测作为一种主动的信息安全保障措施,有效地弥补了传统安全防护技术的缺陷。通过构建动态的安全循环,可以最大限度地提高系统的安全保障能力,减少安全威胁对系统造成的危害,网络入侵检测系统成为一个重要的发展方向。入侵检测系统具有许多的智能性,与人工智能有着密切的关系,同时,它组合了计算机、数学等知识,融入了许多当前计算机领域的前沿技术,如数据挖掘、神经网络等。因此,入侵检测的研究也包含了对其它技术的研究。 本文利用小波变换在信号处理方面的时频分析特性和神经网络对任意非线性函数的逼近能力,提出了一种基于小波神经网络的入侵检测方法。用小波变换代替普通神经网络的激励函数,能有效地提高网络样本训练的效率和速度,在仿真结果中体现出具有很好的收敛速度和学习能力,比较适合用于入侵检测系统中。通过把小波神经网络技术与SNORT相结合,彼此取长补短,对该入侵检测系统模型相对单一检测方式而言,功能更全面,既可以精确判别入侵类别,又具有一定的对部分未知入侵的检测能力。结论表明这种新的入侵检测系统模型,具有进一步深入研究和推广应用的价值。