论文研究基于蜜罐的入侵检测系统的设计与实现.pdf

传统的入侵检测系统无法识别未知的攻击，提出在入侵检测系统中引入蜜罐技术来弥补其不足，并设计和实现了一个基于人工神经网络的入侵检测系统HoneypotIDS。该系统应用感知器学习方法构建FDM检测模型和SDM检测模型两阶段检测模型来对入侵行为进行检测。其中，FDM检测模型用于划分正常类和攻击类，SDM检测模型则在此基础上对一些具体的攻击类型进行识别。最后，设计实验对HoneypotIDS的检测能力进行了测试。实验结果表明，HoneypotIDS对被监控网络中的入侵行为具有较好的检测率和较低的误报率。