

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、隨著科技進步和計算機網(wǎng)絡技術的發(fā)展,越來越多的人融入到了網(wǎng)絡,享受著網(wǎng)絡帶給人們的種種便利。但同時隨著互聯(lián)網(wǎng)規(guī)模的迅速擴大,安全問題已經(jīng)成為一個互聯(lián)網(wǎng)發(fā)展中無法回避的核心問題。雖然傳統(tǒng)的安全保護技術如采用認證和授權、訪問控制、信息加密、虛擬專用網(wǎng)、防火墻等在一定程度上增強了計算機系統(tǒng)中敏感數(shù)據(jù)的安全性,但還是不能阻止授權用戶濫用計算機致使信息被非法竊取的情況。于是入侵檢測技術就應運而生。入侵檢測是對防火墻、數(shù)據(jù)加密等安全保護措施的有效補
2、充,能夠識別針對計算機和網(wǎng)絡資源的惡意企圖和行為,并做出及時響應。 本文針對目前入侵檢測系統(tǒng)中存在的高漏報率、高誤報率問題,以及各種安全設備之間的相互獨立問題,提出了一種基于蜜罐學習的神經(jīng)網(wǎng)絡入侵檢測模型。該模型將徑向基函數(shù)神經(jīng)網(wǎng)絡應用到入侵檢測系統(tǒng)中,使系統(tǒng)具有自學習、自適應能力;改進了基于遺傳神經(jīng)網(wǎng)絡的學習算法,以實現(xiàn)并行搜索,從而優(yōu)化了學習算法;將蜜罐與入侵檢測結合以降低誤報率。該模型是基于正常與異常兩種樣本特征庫之上的,
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于神經(jīng)網(wǎng)絡的入侵檢測模型研究.pdf
- 基于神經(jīng)網(wǎng)絡的網(wǎng)絡入侵檢測模型研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡入侵檢測模型的研究.pdf
- 基于進化神經(jīng)網(wǎng)絡的入侵檢測模型研究.pdf
- 基于神經(jīng)網(wǎng)絡的實時入侵檢測模型的研究.pdf
- 基于模糊神經(jīng)網(wǎng)絡的入侵檢測模型.pdf
- 基于遺傳神經(jīng)網(wǎng)絡的入侵檢測模型研究.pdf
- 基于遺傳神經(jīng)網(wǎng)絡的入侵檢測模型的研究.pdf
- 基于神經(jīng)網(wǎng)絡的網(wǎng)絡入侵檢測方法及模型研究.pdf
- 基于神經(jīng)網(wǎng)絡的入侵檢測.pdf
- 基于混合神經(jīng)網(wǎng)絡技術的入侵檢測模型.pdf
- 基于蜜罐網(wǎng)絡的入侵檢測系統(tǒng)的研究.pdf
- 基于神經(jīng)網(wǎng)絡集成的入侵檢測研究.pdf
- 基于神經(jīng)網(wǎng)絡的入侵預測模型.pdf
- 基于神經(jīng)網(wǎng)絡的入侵檢測方法研究.pdf
- 基于神經(jīng)網(wǎng)絡的入侵防御模型的研究.pdf
- 一種基于神經(jīng)網(wǎng)絡入侵檢測模型的研究.pdf
- 基于神經(jīng)網(wǎng)絡的入侵檢測系統(tǒng)的研究.pdf
- 基于神經(jīng)網(wǎng)絡的入侵檢測技術的研究.pdf
- 基于遺傳算法及神經(jīng)網(wǎng)絡的入侵檢測模型研究.pdf
評論
0/150
提交評論