基于改進BP神經(jīng)網(wǎng)絡入侵檢測系統(tǒng)的研究.pdf_第1頁
已閱讀1頁，還剩60頁未讀， 繼續(xù)免費閱讀

下載本文檔

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、網(wǎng)絡與計算機越來越廣泛的使用在現(xiàn)今社會，企業(yè)、政府和其他組織的工作也越來越依賴于計算機網(wǎng)絡系統(tǒng)，因此安全問題也更加突出。入侵檢測系統(tǒng)IDS(Intrusion Detecton System)已成為必不可少的重要手段。為克服現(xiàn)有ID模型或產(chǎn)品存在的不足，本文從ID標準化、神經(jīng)網(wǎng)絡NN(Neural Network)應用于ID等方面進行了研究。 如何對付日益泛濫的入侵，己超出了任何一個IDS產(chǎn)品的能力范圍。設計新的ID模型時必須充

2、分考慮其集成性，而產(chǎn)品集成的基礎是標準化。研究表明，現(xiàn)有ID模型的設計未對標準化給予足夠重視，導致模型或產(chǎn)品的集成性較差。本文對ID國際標準化權威組織的研究現(xiàn)狀與國內(nèi)ID標準化進行了探討。 在收集到原始數(shù)據(jù)后，如何對這些數(shù)據(jù)進行有效分析及報告結果一直是領域中研究的重點，并因此形成了多種ID方法?；谏鲜鲅芯?，本文提出了一個ID模型，即神經(jīng)網(wǎng)絡入侵檢測模型NNIDM(Neural Network Intrusion Detecto

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

評論

0/150

提交評論