计算机网络安全中的入侵检测方法研究

网络安全中的入侵检测技术研究

摘 要：本文首先对在网络安全防护中使用入侵检测技术的必要性进行了分析，然后对入侵检测技术的分类状况做了简要描述，进而对不同分类下的入侵检测技术进行了研究和讨论。

关键词：网络安全；入侵检测

中图分类号：tp393.08

互联网技术的发展极大的改变了人们的生活和工作通信方式，但是随着互联网应用范围的拓展和网络传输信息重要性的不断提升，针对网络计算机的非法入侵行为也迅猛增多，这种入侵行为不仅可能会对用户计算机传输和存储的数据造成破坏，还可能会带来重大的经济损失，因而对计算机网络的行为进行入侵检测，采取必要的网络安全防护措施保障网络计算机的安全已经成为网络安全领域所面临的重要问题之一。

1 入侵检测技术应用的必要性分析

互联网具有高度的开放性和自由性，而接入网络的计算机系统或软件不可能绝对安全，为保障计算机用户数据和系统的完整性、可用性以及保密性，就必须采用必要的安全防护措施。目前常用的安全防护措施有对系统进行完善、对数据进行加密、执行访问控制等。但是就目前技术发展来看，第一种措施在技术层面很难实现；第二种措施短期内可对数据进行保护，但是加密技术本身实现过程中存在一些问题，被破解的可能性相对较高；第三种措施会在一定程度上降低网络用户的使用效率。 综合来看，可以应用较为容易实现的安全系统配合使用基于某些安全策略建立起来的安全辅助系统来提升网络用户的安全性能。基于入侵检测技术构建的入侵检测系统即为这样一类系统，系统模型如图1所示。其可以主动对用户网络中存在的行为进行实时检测，从中识别入侵行为和入侵对象，进而采用适当的安全防护措施保障网络用户的网络安全。因此，使用入侵检测技术对网络用户进行安全防护是非常有必要的。

2 入侵检测技术分类

目前常用的入侵检测技术可分为两种类型：异常入侵检测相关技术和无用入侵检测相关技术。前者会对用户所在网络的异常行为和用户所使用的计算机的资源利用情况进行实时监测，并按照一定的描述方式将所检测到的行为进行分类，区分出正常网络行为和入侵网络行为，进而根据分析结果确认是否执行安全防护相关策略；后者则是根据已知的系统和应用软件的弱点攻击模式对网络行为进行入侵检测，进而筛选出对用户不理的行为，并执行相应的安全防护策略保护网络用户的安全。

综述网络安全中的入侵检测技术

摘要：随着时代的发展，计算机越来越普及，网络走进了我们生活的每一个领域，为我们带来了诸多的便利。与此同时，如何维护网络安全也成为计算机专业以及其他人士面临的重要课题。本文拟从入侵检测技术的概念、分类、入侵检测的新技术以及入侵检测技术的发展趋势三个角度着眼，对此进行简要的论述。

关键词：网络安全；入侵检测技术；应用

中图分类号：tp393.08文献标识码：a文章编号：1007-9599 (2013)

07-0000-02

近年来，随着网络的普及，网络安全问题的日益突出，如何维护网络安全已经成为计算机行业面临的重要问题。入侵检测技术，作为一种新型网络安全技术，可有效的对网络黑客、间谍等的入侵行为进行检测，对来自内部、外部的攻击甚至错误操作实行实时的安全防护，并且可以在网络系统遭受危害之前对不明入侵进行拦截，从而保护用户的网络安全。

1入侵检测技术的概念和分类

入侵检测技术，新型的网络安全技术，是网络安全审核环节中的技术之一，利用它可以对网络安全进行实时的防护。具体来说它主要是通过收集进而分析网络信息，包括用户的网络行为、审计数据、网络系统所涉及的诸多关键信息等的方式，来检测计算机用户网络中是否存在着被攻击痕迹以及触犯网络安全的行为的技术。另外，它是一种主动的、积极的而非被动的为电脑提供安全护航的技术。它主要通过以下手段来完成检测：为用户与系统的活动提供实时的监视与分析；审计网络系统中存在的弱点及其结构；对已经确定的入侵行为进行识别，向用户或者相关机构自动报警；对网络出现的异常行为进行分析；为网络所应用的关键系统、网络中数据及文件的完整性进行实时评估；对网络用户的操作系统进行审查、跟踪，并提供一定的管理；对用户网络中出现的触犯安全策略的行为，比如入侵和滥用，进行识别。应用入侵检测技术可以有效的减少网络攻击，降低攻击造成的危害。

入侵检测技术按照不同的分类方式，可以分为不同的类别。这里主要就数据源采集来源的不同进行讲述。根据所采集的数据源的不同来源，入侵检测技术系统可以分为基于主机的入侵检测系统与基于网络的入侵检测系统两大类。

基于神经网络的网络入侵检测技术研究

随着计算机和网络技术的发展，网络安全问题愈发严重。入侵者不断突破各类防御措施，进行各类攻击和破坏。网络入侵检测技术作为网络安全的一重要领域，旨在及时发现入侵的迹象，保护网络安全。其中，基于神经网络的网络入侵检测技术，在保证检测精度的同时也有着较高的效率，得到了越来越多的关注和应用。

一、神经网络基本原理

神经网络（Neural Network）是模拟生物神经网络行为的计算模型，由多个节点（Neuron）和它们之间的连接组成。神经网络可以处理不确定、不精确、和非线性的数据，可以通过学习给定的样本数据，自动生成模型和推理出结果。其主要的推理过程是基于各个节点之间的权重分配和门控连接的计算。因此，神经网络的具体结构和参数设置，直接影响到神经网络的效率和准确性。

二、基于神经网络的网络入侵检测技术

1. 传统的网络入侵检测技术的不足

传统的网络入侵检测技术主要包括基于规则、基于统计和基于机器学习的方法。它们依据已经有的规则、统计数据或分类样本数据，来判断当前的网络行为是否存在入侵可能。然而，这些方法针对的是某些已知的入侵类型，无法有效处理未知的入侵，且易受到各种攻击手段的欺骗。另外，这些方法还有较高的误报率，对网络运行效率和管理也有一定的影响。

2. 基于神经网络的网络入侵检测技术的优势

相比传统方法，基于神经网络的网络入侵检测技术具有以下优点：

（1）快速学习能力 神经网络具有自适应、非线性、并行的特点，在不依赖于预设规则的情况下可以快速学习到已知的和未知的入侵，提高了检测的准确性。

（2）适应未知攻击类型

神经网络可以学习到大量不同的入侵类型，对未知的攻击也能有较好的应对能力，且抗攻击性强，不易受到异常数据和噪声的干扰和欺骗。

（3）效率高

神经网络检测速度快，且在具有较好的准确性的情况下能够有效避免误报，保证网络的正常运行。

三、神经网络在网络入侵检测中的运用

智能入侵检测系统 — 下一代网络入侵管理揭示

郑 嵘

自从上世纪九十年代起，入侵检测系统（IDS）就已经被当作企业安全构架中的必要因素了。为了应对各种各样的安全威胁所导致的不断增加的系统复杂性和可靠性方面的花费已经让越来越多的世界500强企业接受网络入侵检测产品。但很多安全管理员在成功的部署并得益于现有的入侵检测技术之后，还是要面临无数的问题，因为现有的入侵检测产品具有以下六个主要的不足。

 检测准确率——现有的入侵检测产品通常误报率都很高。这导致安全操作员要花费大量的时间来查看入侵检测系统所产生的误报警信息。

 企业规模——网络入侵检测系统现在都部署在企业级的网络中。在过去的两年中，网络部署的数量和规模都增长了很多。在那个时候，需要五十个探测器的都可能被认为是“大型”的。但现在，包括几百个探测器或覆盖多个站点的网络入侵检测产品部署方案已经不少见了。网络入侵检测系统如果要在今后继续发挥作用的话，它必须能够满足企业规模变化这一关键需求。

 产品复杂性——在网络部署规模逐渐变大的时候，易用性在产品设计中显得很重要。现有的入侵检测系统在安装、升级和管理上还是比较复杂，要求安全管理员具有相当的专业技术。入侵检测产品的设计和构造应该允许通常水平的安全操作员进行安装、调试和维护，而不需要专业顾问的帮助。

 不断发展的入侵规避技术——各种令人迷惑的攻击在不断出现。通常使用的规避技术包括路径替换、编码和分段等。随着如ADMutate等工具的出现，变换多种形态的攻击并绕过多数入侵检测产品已经变得相对容易了。

 性能——通常公司中现在都具有千兆网络，宽带的应用也在以级数方式增长。一个合适的入侵检测系统解决方案应该可以适应完全饱和的千兆网络而不丢失流量。而且，它必须在做到这一点的同时不影响它对完整性的检测能力。有一些入侵检测系统利用协议漫游技术从流量中取样一些数据进行检测，而不是分析每一个数据包。在攻击类型越来越复杂并且因非法入侵带来的损失越来越大的今天，这种方式是不能接受的。