无线网络中入侵检测系统的设计

在无线的环境下,入侵者将会通过WAP而入侵到无线局域网络,为了能提早侦测出攻击的行为,因此我们通过更改WAP韧体的技术,将WAP视为侦测入侵的传感器,且将侦测重点放在目前最广为大家所使用的802.11标准的无线局域网络.本论文提出一个结合集中与分散架构的分布式无线入侵侦测系统,通过多个WAP取得资料、分析资料后,再将结果交由分布式入侵侦测协调者做进一步的分析控制.系统实验结果显示,本系统确实能有效侦测无线网络入侵行为.     

基于渗透测试的网络安全漏洞实时侦测技术研究

传统网络安全漏洞侦测技术无法准确得到攻击注入点,和服务器交互频繁,导致侦测结果不可靠、效率低下。为此,提出一种新的基于渗透测试的网络安全漏洞实时侦测技术。设计了渗透测试下网络安全漏洞实时侦测系统,构建系统架构,在生成攻击图时,将网络当前节点漏洞看作单位编码,利用进化计算对不同漏洞属性权重进行调整,获取攻击图库。在设计攻击注入点分析模块时,利用广度优先爬取法,依据网页目录层次实现网络页面爬取;通过爬取过程获取网络全部页面攻击注入点,根据Bloom Filter对重复的URL进行去重处理。利用渗透测试实现攻击和分析模块设计,以此生成攻击图对注入点注入攻击;对攻击反馈进行研究,判断注入点是否存在网络安全漏洞。渗透测试时为了降低交互频率,通过探子请求技术完成探测,对是否进行进一步侦测进行判断。实验结果表明,所提技术侦测结果可靠,效率高。     

一种高可靠分布计算系统的适应性故障侦测方法

针对高可靠分布计算系统的故障侦测,提出一种适应性故障侦测方法.根据系统计算节点的负载和网络传输时延,动态地估算心跳消息超时时限,协商改变心跳消息的发送周期,以适应系统状态的变化,减少故障侦测服务的错误.模拟实验表明,该方法与通常的故障侦测方法及NFD-E相比,故障侦测出错次数较少,侦测时间较短,并能够适应高可靠分布计算系统状况的变化,在侦测的实时性和正确性上提供较好的平衡.     

高职院校网络在线考试系统的应用现状分析

针对高职院校网络在线考试系统的建设问题进行了探讨和分析,指出,随着网络技术在教学中的不断应用和普及,改变传统的考试模式,探索网络在线考试系统的应用,是一种趋势。对在线考试系统可实现的功能指标和创新之处作了具体阐述,并提出了完善系统的措施。     

基于动态频谱接入机制的侦测与避让技术评述

动态频谱接入是解决现今无线频谱利用率低及资源紧缺等难题的有效途径。以如何解决频带冲突的UWB系统（3.168~4.752 GHz）与WiMAX系统（中心频率为3.5 GHz）共存问题为背景,引入动态频谱接入网络机制,介绍其接入机制思想及侦测与避让两大关键技术,并对其今后面临的挑战与发展方向作了相应的评述。     

基于动态频谱接入机制的侦测与避让技术评述

动态频谱接入是解决现今无线频谱利用率低及资源紧缺等难题的有效途径。以如何解决频带冲突的UWB系统(3.168～4.752GHz)与WiMAX系统(中心频率为3.5GHz)共存问题为背景,引入动态频谱接入网络机制,介绍其接入机制思想及侦测与避让两大关键技术,并对其今后面临的挑战与发展方向作了相应的评述。     

NET架构下考试系统的研发探究

随着计算机和网络通信技术的快速发展及其在教育行业中的广泛应用,以计算机网络技术为依托的网络在线考试系统越来越得到人们的关注,与传统的考试模式相比,网络在线考试模式可以有效突破时空的限制,来更好的为推动教育行业的发展服务。本文以基于NET架构下的考试系统为例,首先对NET架构下的考试系统作概要说明,然后对NET架构下的考试系统的设计作详细的分析和说明,最后就对N E T架构下的考试系统的实现给予深刻的阐释。     

基于信息链路侦测的反MD系统研究

对MD系统中卫星系统的攻击，可以破坏反导系兢结构，降低反导系统性能。文章分析了为实现攻击中继星传输链路的可能性，并设计了频率侦测方案，计算机仿真结果证明了频率侦测方案对于透明转发器是完全可行和有效的。     

对网络入侵检测系统进行测试和评估的研究

论文主要完成了三个方面的工作：1、网络入侵评估环境的构建;2、网络背景流量的模拟;3对入侵检测系统进行检测能力,易用性、性能和安全性的测试。现已向计算机网络安全领域已经迈出了重要的一步,寻找到入侵检测系统的测试与评估的新途径。今后将进一步扩大研究和应用,以期最终建成健壮的,功能强大的入侵检测系统测试评估系统。     

故障动态监测技术在平安城市监控报警系统中的应用

利用现有的公安网络及硬件设施的环境,采用先进成熟的技术,完成对设备、设施的自动侦测和自动报告,能及时、准确的报告系统的运行情况,大大节约了警力。     

决策树与神经网络结合的入侵检测系统模型研究

入侵检测系统是保证网络信息安全的有力手段,文中提出一种结合决策树和神经网络的入侵检测系统框架。决策树分类方法把数据集划分为正常数据和入侵数据,并作为训练集分别用神经网络进行训练,改善了系统的检测精度并提高了对未知数据的检测能力。离线训练后的系统可以实现网络数据的实时检测,通过实验证明了此系统很好的检测效果和自适应能力。     

基于防火墙的网络入侵检测系统

提出了一个基于防火墙的网络入侵检测系统模型,克服了传统入侵检测系统不能实现主动控制的缺陷,并对设计与实现中的关键技术做了详细的描述·该系统在数据链路层截取实时的数据包,对其进行基于安全策略的访问控制分析;同时利用事件发生器从截获的IP包中提取出概述性事件信息并传送给入侵检测模块进行安全分析·入侵检测模块采用基于统计的入侵检测技术,并采用了NaiveBayes算法·基于该模型设计实现的系统在实际测试中表明对于具有统计特性的网络入侵具有较好的检测与控制能力·     

一种基于移动代理的入侵检测系统

在介绍移动代理的基础上，阐明了将移动代理技术应用于入侵检测系统的优势，并提出一种基于移动代理技术的入侵检测系统（MAB－IDS），重点讨论了系统结构模型和系统检测入侵的方法及其原理，通过与其他系统进行比较，得到由于利用了移动代理技术，MAB－IDS的入侵检测能力较强。     

一种基于攻击特征描述的网络入侵检测模型

文章在对网络入侵检测技术进行分析的基础上,结合网络攻击特征的描述方法和分布式系统的特点,提出一种新的网络入侵检测的模型。攻击特征描述是提取攻击的本质属性,分布式系统则很好地利用了集群的优势。对于高速网络的出现,如何减少丢包并提高入侵检测的效率成为一个重要的研究课题。该文提出的分层检测方法,充分考虑了攻击特征分类描述方法,实验证明可以提高网络入侵检测准确率。     

高速网络环境下的网络入侵检测系统

基于数据过滤与负载均衡技术,提出了一个能应用在高速环境下的网络入侵检测系统,给出了一个综合考虑实时负载、可用性及能力的负载均衡算法,即基于应用的最小负载优先算法;采用分布式的网络入侵检测系统的结构,基于MobileAgent技术来实现分析检测代码的动态更新与移动·实验测试表明该系统能较好地解决高速网络环境下的实时入侵检测问题     

A Framework for an Adaptive Anomaly Detection System with Fuzzy Data Mining

0 IntroductionWith the ever-increasing growth of computer networksand emergence of electronic commerce in recentyears ,computer security has become a priority. The mostwidely deployed methods for detecting attacks employ misusedetectiontechniques .Such methods can only detect previouslyknown attacks that have a corresponding pattern,since thepattern database has to be manually revisedfor each newtypeof attack that is discovered. These li mitations have led to anincreasinginterest in intrusion …     

入侵检测系统中模式匹配算法的研究

在基于模式匹配的入侵检测系统中,模式匹配算法的好坏直接影响着检测系统的效能。介绍了几种应用于入侵检测系统中的模式匹配算法,分析了这些算法的复杂性和适用性,并对将来的模式匹配算法研究方向做出了预测。     

粗糙集特征选择和支持向量机在入侵检测系统中的应用

针对传统的基于特征检测的入侵检测系统处理的数据常含有大量的冗余特征,使得系统的特征提取和后续处理消耗大量系统资源,导致实时性差,影响检测效果的问题,文章利用粗糙集理论进行特征约简,消除冗余和噪音特征并基于精简后特征子集训练支持向量机,再由训练后的分类器进行入侵检测的方法,以达到提高入侵检测系统的实时性能。实验结果表明了该方法的有效性。     

一种基于数据挖掘的入侵检测系统模型

提出了一种基于数据挖掘技术的入侵检测系统模型,该模型是一个核模型,具有很好的扩展能力和适应能力,该模型因使用了元检测引擎来综合处理来自各个基本检测引擎的数据而提高了检测结果的准确性。文中还构建了一个基于数据挖掘的入侵检测原型系统来分析几种典型的数据挖掘技术的实际应用效果,讨论了数据预处理和特征提取问题。     

一种基于密度的无监督聚类算法

分析了k-means算法的缺陷、入侵检测特点和网络中数据的特点,提出了一种基于密度的无监督2次聚类算法—KD算法。该算法聚类使用改进的k-means算法并引入基于密度聚类算法的优点,以提高对单种入侵数据集及混合入侵数据集的检测效果。实验结果表明,该算法具有较高的检测率和较低的误检率。