拒绝服务攻击(Denial of Service,DoS)是一种既简单又有效的网络攻击方式。它企图使其预期用户的一台主机或其他网络资源不可用,如临时或无限期地中断或暂停连接到因特网主机的服务。随着人们越来越依赖于网络,因而导致潜在的受害者越来越多。本文研究了基于Kohonen神经网络的DoS攻击检测算法。现有的DoS攻击检测方法中,基于人工神经网络的算法是较为有效的一类方法,其优点是并行处理能力强,对噪声数据有较强的鲁棒性和容错能力,能充分逼近复杂的非线性关系,具备联想记忆功能等。但此类算法也存在着收敛速度慢和不能使同类神经元逐渐集中等的问题,为克服上述问题,本文做了如下研究工作:(1)通过调整Kohonen网络的学习速率和学习半径,并增加输出层使其转化为有监督的学习网络,从而有效缓解了Kohonen网络收敛速度慢的问题。(2)通过增加一层网络权值,并对网络权值进行调整,最终使得获胜神经元及周边神经元权值更加接近该输入样本,从而在一定程度上克服了同类神经元不能较快集中的问题,并提出了基于S-Kohonen的拒绝服务攻击检测算法。(3)为了使基于S-Kohonen的拒绝服务攻击检测算法更完善,在竞争层上不能自动学习输入向量模式的分类问题上,将LVQ算法与S-Kohonen网络相结合,使其可以对输入向量模式的分类自主学习,降低网络结构,提高算法的检测率和减少运算时间。本文提出了一种基于S-Kohonen的DoS攻击检测算法,将改进的Kohonen网络引入到了DoS攻击检测算法中;并结合LVQ算法对本文所提出的算法进一步进行优化,仿真实验表明,所提算法有效。