摘要：针对局域网IPv6协议数据入侵检测的异常问题,文中设计并实现了基于神经网络的IPv6局域网入侵检测方法。利用深度学习中的前馈神经网络建立模型,将入侵行为所导致的异常数据流作为原始输入驱动训练模型,并结合误差逆传播与优化函数对系统做性能优化。在校园网内进行的实验结果表明,与经典的基于模式匹配算法的入侵检测方法相比,文中所提方法在正确率和误报率方面均优于基于模式匹配的算法,且在相同条件下,比基于模式匹配的算法在检测数量方面至少超出5%。

摘要：针对现有网络安全防护系统采用被动式防御,无法快速对未知的攻击手段作出有效响应且防御能力差等问题,设计开发了一套基于蜜罐技术的局域网安全防御系统。该系统通过其部署的蜜罐诱导攻击者的入侵方向,捕获攻击者与网络服务器中的漏洞信息。同时,利用访问控制模块约束攻击者的访问权限,并提高局域网的安全防御能力。该系统测试与实验结果说明,部署该系统的局域网在遭受非法入侵时,能够准确记录入侵主机的异常访问信息及网络活动信息,便于管理员的后续分析处理。通过对比实验充分验证了系统的有效性与可靠性。