版權(quán)說(shuō)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(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、目前的網(wǎng)絡(luò)環(huán)境需要從不同子網(wǎng)收集入侵信息,并從中檢測(cè)出入侵程度。在這種情況下,分布式入侵檢測(cè)系統(tǒng)應(yīng)運(yùn)而生。然而,傳統(tǒng)的網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)因?yàn)榇嬖趩吸c(diǎn)瓶頸問(wèn)題,在面對(duì)大規(guī)模網(wǎng)絡(luò)環(huán)境時(shí)有很大的局限性。P2P技術(shù)能從本質(zhì)上消除單點(diǎn)瓶頸問(wèn)題。因此,將P2P技術(shù)引入到大規(guī)模入侵檢測(cè)中,具有重要的意義。
隨著網(wǎng)絡(luò)攻擊數(shù)目不斷上升,攻擊技術(shù)日新月異,被動(dòng)防御措施如防火墻、加密技術(shù)等已經(jīng)不能保障網(wǎng)絡(luò)安全。主動(dòng)入侵檢測(cè)技術(shù)能在網(wǎng)絡(luò)受到嚴(yán)重破壞前,
2、對(duì)網(wǎng)絡(luò)進(jìn)行安全防御。一個(gè)主動(dòng)入侵檢測(cè)系統(tǒng)的好壞,決定性因素是它的入侵檢測(cè)方法?,F(xiàn)有的入侵檢測(cè)產(chǎn)品大都是基于已知的入侵進(jìn)行檢測(cè),對(duì)未知的入侵行為無(wú)可奈何,因此存在很高的漏報(bào)率。RBF神經(jīng)網(wǎng)絡(luò)有著全局逼近、收斂速度快等優(yōu)點(diǎn)。將RBF神經(jīng)網(wǎng)絡(luò)應(yīng)用到入侵檢測(cè)中來(lái),可以檢測(cè)出未知的入侵行為,從而最大限度地降低入侵檢測(cè)的漏報(bào)率。
本文將從兩個(gè)方面展開(kāi)研究:分布式入侵檢測(cè)在大規(guī)模網(wǎng)絡(luò)下的結(jié)構(gòu)體系、入侵檢測(cè)方法研究。
首先,文章將延
3、用課題組前期成果,利用SP2P技術(shù)完成分布式入侵檢測(cè)系統(tǒng)網(wǎng)絡(luò)模型的搭建。按照地理位置,對(duì)網(wǎng)絡(luò)進(jìn)行區(qū)域劃分,按照節(jié)點(diǎn)能力推選出區(qū)域的融合中心節(jié)點(diǎn),使信息的處理局部化。文章將用一組開(kāi)放源碼的P2P通信協(xié)議JXTA實(shí)現(xiàn)IDS之間的通訊。將JXTA協(xié)議中的對(duì)等組相比于網(wǎng)絡(luò)中的區(qū)域,對(duì)等點(diǎn)相對(duì)于各個(gè)IDS。利用JXTA中對(duì)等組的創(chuàng)建、節(jié)點(diǎn)加入、退出等節(jié)點(diǎn)操作,實(shí)現(xiàn)現(xiàn)實(shí)網(wǎng)絡(luò)中IDS加入域、退出域的操作。利用JXTA提供的廣播、管道機(jī)制實(shí)現(xiàn)各IDS之
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于SP2P的Web服務(wù)發(fā)現(xiàn)與選擇機(jī)制研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的WSN數(shù)據(jù)融合改進(jìn)算法研究.pdf
- P2P流的神經(jīng)網(wǎng)絡(luò)識(shí)別方法研究.pdf
- 基于小波神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的建筑環(huán)境信息融合方法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的可穿戴無(wú)線傳感網(wǎng)絡(luò)數(shù)據(jù)融合方法.pdf
- 基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的熱軋厚度控制方法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的多模型融合金融時(shí)間序列分析方法.pdf
- 基于改進(jìn)RBF神經(jīng)網(wǎng)絡(luò)的信用評(píng)級(jí)分析.pdf
- 基于神經(jīng)網(wǎng)絡(luò)融合方法的入侵檢測(cè)系統(tǒng)研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)融合技術(shù)的鉆井事故診斷方法研究.pdf
- 改進(jìn)PSO的神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合技術(shù)研究.pdf
- 基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的熱軋厚度控制方法研究
- 基于NetFlow和SNMP的網(wǎng)絡(luò)流態(tài)勢(shì)融合分析方法研究.pdf
- 基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的板形識(shí)別方法.pdf
- 基于改進(jìn)的神經(jīng)網(wǎng)絡(luò)方法預(yù)測(cè)CTL表位.pdf
- 基于神經(jīng)網(wǎng)絡(luò)優(yōu)化的P2P存儲(chǔ)系統(tǒng).pdf
- 基于改進(jìn)PSO的RBF神經(jīng)網(wǎng)絡(luò)入侵檢測(cè)方法研究.pdf
- 三種神經(jīng)網(wǎng)絡(luò)識(shí)別P2P流量的方法比較.pdf
- 基于遺傳神經(jīng)網(wǎng)絡(luò)的P2P流量檢測(cè)研究.pdf
評(píng)論
0/150
提交評(píng)論