PSO优化BP神经网络入侵检测模型.pdfVIP

2010年第 01期，第43卷 Vo1．43，No．01．2010 总第 217期 No．217．Totaily PSO优化BP神经网络入侵检测模型 傅德胜， 张 媛 (南京信息工程大学 计算机与软件学院，江苏 南京市210044) 【摘 要】文中提出了一种基于变惯性因子粒子群优化的BP网络学习算法。该算法用PSO算法代替了传统的BP算法， 克服 了BP算法易陷入局部最小值的不足，并且将该算法应用于入侵检测中。在预处理数据时，采用了信息增益的方法，提取 出含信息量多的特征作为BP网络的输入向量。通过实验仿真比较，证明了该算法的收敛速度快，迭代次数少，准确率较高。 【关键词】入侵检测；粒子群4L4~；BP神经网络；信息增益 【中图分类号】TP183 【文献标识码】A 【文章编号】1002—0802(2010)01—0081—03 咖 t 通 ∞ Intrusion Detection ModelBased on PSO OptimizedBP NeuralNetwork S 信 叽 技 FU De—sheng ZHANG Yuan 术 肿 NanjingUniversityof Information Science＆Technology y 【Abstract1ThiSpaperproposesaBPnetworkslearningalgorithmbasedonchangedinertiaparticleswam optimizationalgorithm．ThiSalgorithmsubstitutesthetraditionalBPalgorithm，overcomes theproblem thatthe traditionalBPalgorithmwouldbeeasy tofallintothelocalminima，andthusiSapplledtointrusiondetection． Information gain iSused indatapreprocessing，thecharacteristicswith much information are extractedasthe inputvectorsofBP network．Simulation and comparison indicate that the BP networksbased on changed inertia patticle swam optimization algorithm iS of faster convergence rate． 1ess iterations，and higher accuracy． [Keywords|intrusiondetection：particleswamoptimization：BPneuralnetworks：informationgain 0 引言 性和并行性，所以算法简单，收敛速度快。用粒子群算法对 入侵检测根据采用的技术可分为：基于知识的入侵检测 BP神经网络的权值进行训练，会得到较快的收敛速度，而 系统和基于行为的入侵检测系统[11，大部分的入侵检测系统 且可以避免局部最小值的出现。因此本文采用了变惯性因子 主要是基于知识的模式检测技术。基于行为的入侵检测技术 的粒子群算法来优化 BP网络的权值，在特征值的选取上采 是 目前研究领域的热点。误用入侵检测系统的实现技术主要 用信息增益的方法，提取出有效的特征作为 BP