基于演化神经网络安全审计系统的研究与应用

论文摘要

世界经济全球化、社会信息化的步伐不断加快,互联网起到了不可替代的作用,但同时也带来了各种问题,计算机安全成为了一个严峻的现实难题。安全审计系统是防火墙和入侵检测系统之后的第三道防线,通过对事件的记录及分析能够有效地发现和防范非法入侵活动。传统安全审计系统大多数都是基于规则的,需要不断的更新维护规则库,但攻击者的方法和目标系统软硬件会不断的变化,所以无论怎样更新规则库和模式库,传统安全审计系统也无法精确的识别出异常。针对上述,本文结合BP算法的局部精确搜索和遗传算法的全局搜索能力,提出了一种基于演化神经网络的安全审计系统。在保证群体多样性的同时不丢失稳定性,保证不破坏群体中的优良模式的同时不影响产生新个体进度,论文采用了自适应交叉概率和自适应变异概率,它们能够提供相对于某个解的最佳交叉概率和最佳变异概率。本文首先用自适应遗传算法优化神经网络初始权值,然后用优化的初始权值进行神经网络的训练,寻找最优的网络结构。当演化神经网络学会系统工作模式后,即可进行审计的分析,对异常做出反应。通过算法比较和实验结果分析,表明该算法可以有效、可靠地运用于安全审计系统中。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.1.1 互联网发展现状
• 1.1.2 现有网络安全技术
• 1.2 安全审计与入侵检测
• 1.3 研究意义
• 1.4 研究内容
• 1.5 论文组织结构
• 1.6 本章小结
• 第二章 安全审计概述
• 2.1 安全审计系统的分类
• 2.1.1 按照实现方法来分
• 2.1.2 按照数据源来分
• 2.1.3 按照实现模式来分
• 2.2 安全审计的组成及其目标
• 2.3 安全审计的描述
• 2.3.1 TCSEC准则的描述
• 2.3.2 TNI准则的描述
• 2.3.3 GB17859-1999准则的描述
• 2.3.4 CC准则的描述
• 2.4 国内外研究现状
• 2.5 本章小结
• 第三章 演化的BP神经网络算法
• 3.1 神经网络
• 3.1.1 神经网络的基本知识
• 3.1.2 BP神经网络
• 3.1.3 基本BP算法
• 3.2 BP神经网络用于安全审计系统的原因
• 3.3 遗传算法
• 3.3.1 遗传算法的思想及其形式化定义
• 3.3.2 遗传算法的解题步骤
• 3.4 遗传算法用于BP神经网络的优化
• 3.5 本章小结
• 第四章 基于演化神经网络在安全审计的设计与实现
• 4.1 自适应遗传算法优化BP神经网络的方案设计
• 4.1.1 采用自适应遗传算法优化BP神经网络的关键技术
• 4.1.2 自适应遗传算子的优化设计
• 4.1.3 演化神经网络中的运行参数的确定
• 4.2 基于演化神经网络安全审计系统的模型
• 4.3 数据采集模块
• 4.4 数据预处理模块
• 4.4.1 数据清理
• 4.4.2 数据集成
• 4.4.3 数据特征提取
• 4.4.4 数据格式转换
• 4.5 演化神经网络模块
• 4.5.1 训练子模块
• 4.5.2 检测子模块
• 4.6 数据存储
• 4.7 响应模块
• 4.8 本章小结
• 第五章 实验结果及分析
• 5.1 训练样本数据组织
• 5.2 参数设置
• 5.3 演化神经网络的训练及测试结果
• 5.4 本章小结
• 第六章 总结
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文目录