基于遺傳神經網絡的內網用戶行為審計模型研究與實現(xiàn).pdf

1、隨著網絡的快速發(fā)展，網絡結構的不斷擴大和復雜化，信息的安全伺題也日益嚴峻。如何保障信息安全已經引起政治、經濟及社會各界的廣泛關注。由于目前防火墻和IDS體系的研究已經較成熟，對于來自外網的攻擊可以起到很好的防御作用，而近年來，網絡攻擊開始從外部攻擊向內部攻擊轉化。內部攻擊具有一般性和隱蔽性，可以輕易的繞過防火墻和IDS的監(jiān)控，比病毒和黑客等外網攻擊更難防范，且造成的損失更大。導致內網不安全的一個重要因素就是內部用戶行為，而內部用戶行為往

2、往被默認是安全的，因此，保障內網安全，對內網用戶行為的審計至關重要。
　　 論文歸納了內網用戶行為存在的一些特點，總結了異常行為的表現(xiàn)形式，結合BP算法的局部精確搜索和遺傳算法的全局搜索能力，提出了一種基于遺傳神經網絡的內網用戶行為審計模型。與傳統(tǒng)安全審計模型不同之處是本模型采集的審計數(shù)據不是傳統(tǒng)的來自網絡的數(shù)據，而是實際的用戶行為數(shù)據，并對遺傳算法的交叉算子進行了適當?shù)母倪M，摒棄傳統(tǒng)采用固定交叉率的算法，引入個體相似度的概念，

3、通過判斷兩個體的相似度，來確定是否發(fā)生交叉操作，從而使父個體中好的模式能被遺傳到下一代，提高算法的收斂速度。該模型主要由分布式數(shù)據采集模塊、數(shù)據預處理模塊、基于遺傳神經網絡的審計分析模塊、數(shù)據存儲模塊、響應模塊和審計數(shù)據查詢?yōu)g覽模塊組成。
　　 本文先用改進的遺傳算法優(yōu)化神經網絡初始權值，然后用優(yōu)化的初始權值對神經網絡進行訓練，尋找最優(yōu)的網絡結構。當遺傳神經網絡學會用戶行為模式后，即可進行行為審計的分析，對異常用戶行為做出反應。