摘要: 随着计算机网络技术的快速发展，网络已日益深入人们的日常生活，其提供的丰富的信息资源给用户的工作和生活带来了极大的方便。但由于网络的开放性和系统的安全漏洞的存在，加之入侵技术的多样化，使得网络安全问题变得日益突出。传统的静态安全技术... 展开 随着计算机网络技术的快速发展，网络已日益深入人们的日常生活，其提供的丰富的信息资源给用户的工作和生活带来了极大的方便。但由于网络的开放性和系统的安全漏洞的存在，加之入侵技术的多样化，使得网络安全问题变得日益突出。传统的静态安全技术如防火墙和加密技术等有一定的防卫作用，但缺乏对入侵进行主动检测的机制，而且在使用过程中需要人工实施和维护，难以满足当前网络安全的要求。 基于神经网络的入侵检测是一种主动的动态安全技术，能够对内部攻击、外部攻击和误操作提供有效的实时保护。同时，利用神经网络具有自组织、自学习和推广能力的优势，这种入侵检测方法不仅对于已知的攻击模式具有较好的识别能力，而且具有检测未知攻击的能力。因而成为目前网络安全领域的研究热点。 本文首先从入侵检测的研究入手，通过对目前入侵检测系统的模型和检测技术的分析对比论述了入侵检测技术的发展趋势。随后重点对BP神经网络进行了研究，详细描述了BP算法的基本思想、流程、存在的问题和其原因。在此基础上，提出了一种针对误差信号函数和学习规则进行改进的BP改进算法，该改进算法具有改动幅度小，实现相对容易的特点。然后采用本文所提出的BP改进算法设计了一个包含六个主要模块的基于BP神经网络的智能入侵检测系统模型，对该模型的设计思想、模型原理图和各模块的实现进行了详细的阐述。该模型将误用检测和异常检测这两种主要的入侵检测技术相结合，使其对已知的攻击模式具有较高的检测准确率并能检测出新的未知的攻击模式。仿真结果表明该系统具有较高的检测正确率。最后，分析了入侵检测系统模型存在的不足并提出了相应的改进方法。 收起