智能网络入侵检测技术研究

近年来，由于计算机技术，尤其是互联网和物联网的发展，计算机网络的作用日趋重要，已经成为我国的经济基础和命脉，成为社会和经济发展强大动力。但是人们在享受信息化带来的众多好处的同时，其中安全问题尤为突出。在网络使用过程中了解网络威胁，并且防范和消除威胁的网络安全已经成了网络发展中最重大课题。

网络安全是一个综合问题，涉及到多种技术，需要从多角度考虑、设计、实施才能够建立安全体系。比如防火墙技术、身份认证技术，可以拒绝非法入侵;再比如访问控制可以让没有权限的用户无法进行信息读写;还有信息加密使非法用户看不懂信息。实践证明上述传统的安全技术极其有用，但是还不足以保证网络安全。近年来入侵检测成为保证计算机网络系统安全的有效手段。

入侵检测系统是对计算机或计算机网络系统中的攻击行为进行检测的自动系统。国外许多学者从20世纪八十年代开始研究入侵检测技术，九十年代网络安全公司开始研发商业化产品。国内对入侵检测的研究热度也是热度高涨，管晓宏提出将系统与控制科学的统计分析与计算机网络技术相结合来识别入侵行为，刘东喜等主要研究入侵追踪问题，夏春和研究了入侵诱骗问题，连一峰主要研究了分布式入侵检测系统模型。

一、研究方法

(1)查阅文献，研究人工智能算法，尤其是新型的算法，夯实入侵检测算法基础入侵检测的核心是检测算法，目前主流的算法是采用人工智能算法，在大数据分析的基础上，检测网络入侵。因此人工智能算法的研究是智能网络入侵检测的基础。

(2)熟练掌握MATLAB或其他网络入侵模拟工具。网络入侵需要检测算法或模型的优劣，需要做大量实验，而比较方便的就是采用模拟工具，而MATLAB是一个优秀的模拟工具，因此掌握了MATLAB的使用，可以使研究工作更加顺利。

(3)对现有入侵技术的研究。充分对现有入侵技术进行研究，熟悉国内外先研究的现状，了解研究的热点和重点。尤其是结合基于大数据技术的人工智能算法的入侵检测技术，掌握其原理、思想和编程实现，掌握改进思路。

二、研究内容

基于大数据技术，研究正常行为与异常行为的差异。基于人工智能算法研究异常检测模型，提高异常行为的识别能力、减少误警率为目标。

分析现有基于人工智能的网络入侵方法的优缺点，研究基于两种甚至三种人工智能算法那融合的异常检测方法。

利用Markov模型、聚类方法和神经网络等，建立起正常行为的初始模型。在MATLAB上进行仿真，并使用大数据分析方法优化模型。

三、研究目标

(1)构建智能的网络入侵检测模型。在智能算法的基础上，构建监控系统调用的网络入侵检测模型。

(2)智能算法的融合改进。分析监督学习和非监督学习的智能算法并对算法进行融合，充分利用两者优势提升算法有效性。

(3)智能算法应用于入侵检测。

(4)设计基于聚类算法与马尔科夫模型或其他模型相结合的异常检测方法。

(5)设计入侵检测系统。

四、拟解决的关键问题

（一）以分类算法和聚类算法进行入侵检测

网络入侵与正常的调用具有不同的分布特性，根据其分布特点进行分类，可以较好识别网络入侵，可以理解为入侵检测是一个经典的分类问题。采用人工智能的分类算法或聚类算法可以很好的解决入侵检测问题。

（二）基于多种算法融合的检测方法

单个人工智能算法进入不够，为了提升检测精准度，研究多种算法融合的检车方法，利用融合算法的有点，有效避免其缺点。比如可以融合K-means与马尔科夫模型相结合的半监督异常检测方法。

（三）实际环境的入侵检测系统的设计问题

针对外部入侵的入侵检测系统模型以及内部入侵检测，对系统的各个部分功能以及使用的网络方法进行具体设计;对入侵检测和访问控制部分进行软件设计和实现。

五、研究创新

（一）入侵检测模型的构建

基于入侵的分布特性，构建适合智能优化算法优化的入侵检测模型，为网络入侵的智能化检测构建数学模型。

（二）新型智能算法的融合

新型智能算法种类繁多，并且各有各的优势，为了提升算法的有效性和搜索能力，融合两种或两种以上的算法，利用多种算法的优势，提升算法优化能力。

（三）入侵检测系统中引入新型智能算法

传统的智能算法已经在入侵检测系统中使用，但是传统的智能算法相比于新型智能算法，存在易陷入局部最优，收敛性差等缺点。虽然在网络入侵检测中取到了一定的效果，但是无法满足要求高的系统，因此引入新型智能优化算法，改进入侵检测效果。

六、结论

本研究从人工智能算法入手，结合网络入侵的分布特性，构建入侵检测的数学模型。研究设计到多种新技术，入侵检测效果得到了一定程度的提升。

摘要：本研究利用多种人工智能算法与大数据分析，构建入侵检测的数学模型，并利用多种算法进行融合，提升了网络入侵检测的精准度，并设计了网络入侵检测的系统，为网络入侵的智能化提供了解决方案。

关键词：智能,网络入侵,人工智能,模型构建

参考文献

[1] 余唯锴.企业网络入侵监测系统研究与设计[D].南昌大学, 2019.

[2] 郭华.基于人工智能的网络安全技术[J].电子技术与软件工程, 2017 (23) :181-182.

[3] 李东灵, 王健.入侵检测系统研究现状及发展趋势[J].商丘职业技术学院学报, 2013, 12 (05) :24-26.