基于网络的入侵检测模型和方法研究

入侵检测问题是计算机网络安全中的核心问题,相对于传统的操作系统加密、防火墙等静态的安全防御技术而言,入侵检测作为一种动态的的防御技术,能有效弥补静态防御工具的不足。本文将会入侵检测的通用模型、入侵检测的层次化模型、CIDF通用入侵检测框架以及入侵检测方法等内容进行相关研究,以此构建以入侵检测为核心的动态的网络安全方案。     

企业网络纵深防御体系

企业网络需要一种纵的防御体系。本文提出了一种由安全策略、防护、检测、响应及加密所组成的企业网络安全模型,描述了系统结构并给出实现方法,同时对安全审计系统与入侵检测系统的集成,防火墙与入侵检测系统的安全通信做出具体阐述。     

入侵检测系统有关问题的研究

文章阐述了入侵检测系统的概念,讨论了入侵检测系统存在的问题,并提出了相应的解决方法,展望了入侵检测系统的发展趋势.入侵检测系统采用主动防御是保护信息系统安全的重要手段,也是近年来安全领域的研究热点.     

一种适用于WIA-PA网络的分层入侵检测方法

工业无线技术是满足工业应用高可靠、低能耗等特殊需求的一类无线传感器网络技术。针对WIA-PA(wireless net-works for industrial automation-process automation)工业无线网络的特点,分析了工业无线网络入侵检测的重要性,设计了一种基于全信道分析仪的分层WIA-PA网络入侵检测和安全数据处理架构,提出了一种适用于WIA-PA网络的分层入侵检测方法,在此基础上,设计并实现了基于WIA-PA的安全管理系统。测试表明,基于全信道分析仪的入侵分析系统能够有效检测网络入侵攻击,基于安全管理者的设备安全入网、密钥管理和安全服务能够在无线环境中得到较好的应用,有效地解决了工业无线网络内部资源受限的问题,提高了WIA-PA网络通信的安全性能。     

一种网络入侵检测模型的研究

入侵检测系统(IDS)是目前动态安全工具的主要研究和开发方向。Agent是人工智能领域里发展起来的新型计算模型。该文提出了基于Agent的网络入侵检测模型,将大大减少系统的通信负载,并且能够检测到新的或未知形式的攻击。     

在校园网中实现深度检测和入侵抵御技术

文章首先对校园网络安全状况做出了系统评估,然后分析了在校园网络中实现深度检测和入侵抵御的必要性,最后提出并深入探讨了在校园网络中部署深度检测和入侵抵御的几种典型策略。     

数据挖掘技术在入侵检测系统中的应用

入侵检测技术已经成为网络安全领域的研究热点.数据挖掘是从大量数据中发掘出新的、有用模式的过程.把它用于入侵检测,可发掘警报日志信息和审计数据特有的模式,实时分析,寻找黑客入侵的规律,提高入侵检测系统的警报精确度,降低系统管理员的工作强度.     

自防御网络安全架构的研究与应用

随着网络应用对网络安全技术的要求越来越高,单靠防火墙、VPN、反病毒软件以及入侵检测系统(IDS)等常规单点安全措施,已不能完善地解决网络系统安全问题,提高网络的智能化检测、预防、认证等主动自防御能力,是重要研究方向。分析和研究最新安全解决方案———自防御网络(SDN)的技术特性,以及在校园网布署自防御网络的可行性和技术要点。     

分布式无线局域网安全探测器的设计与实现

南于无线网络很容易受到攻击,针对无线攻击的特殊性.目前三层式架构的分布式无线网络安全管理系统可以有效地完成大部分无线局域网安全检测任务.系统中的无线局域网安全探测器负责实时检测无线网络安伞并与上层服务器通信.本文设计并实现了具有入侵检测和防御功能的无线网络安全探测器.安伞探测器硬什基于Intel PXA255嵌入式处理器开发,运行软件snort-wireless软件在Linux2.4.20环境下运行,可以实现WLAN接入、安全检测及阻断非法设备功能.测试结果表明,该安全探测器的无线接入功能在传输速率和传输距离方面达到甚至高于商业AP(access point)产品,可以对网络的安全性,性能和稳定性实施7×24小时的监控,分析全部的本地无线网传输,显示网络内全部会话和伞部设备,实时发现以别多种的安全和性能问题,集中相关事件综合分析可以简单的发现隐藏的问题,找到问题的根源,并自动阻断入侵的威胁.     

基于随机子空间PCA-SVM集成的实时入侵检测系统

为了解决入侵检测系统的检测精度低、虚警率高的问题,实现了一个基于网络的入侵检测实验平台,使用了多种新的攻击工具实施攻击,并在此基础上提取了网络连接的29项实时特征;构成实时入侵检测数据集;同时,提出了一个基于随机子空间PCA的Bagging-SVM分类器集成构造方法,并将其应用到所采集的实时入侵检测数据集,构造网络连接的检测器.经实验表明,所选取的网络连接特征能较好地反映网络安全状况,所采用的集成学习算法具有检测精度高、检测稳定、对基分类器的参数整定不敏感等优点.