改进bp神经网在入侵检测中的应用研究.pdfVIP

改进BP神经网络在入侵检测中的应用研究 摘要 随着计算机技术与网络通信以及信息产业的高速发展，网络入侵攻击 的事件频繁发生，因此计算机网络安全形势也日益严峻，所以需要采取各 种网络安全技术来解决问题。而入侵检测技术是网络安全的主要手段之一， 它是一种主动防御的安全技术，它能实时地保护内、外网攻击和误操作， 使得网络系统受到破坏之前能够及时得到响应和处理。但是传统的入侵检 测技术又存在着许多不足的问题：第一、误／漏报率高，性能低；第二、 实时检测攻击行为较差，且难以适应海量网络数据包。因此研究网络入侵 检测是当今的研究热门，也符合我国的基本国情。 本文首先介绍了入侵检测系统和BP(Back 网络，研究了当前常用的网络攻击方法和入侵检测技术的分类；接着分析 了入侵检测系统的模型和工作过程，BP神经网络算法的学习过程；然后分 析了传统入侵检测系统存在的检测性能、检测效果的不足：检测率低，误 报率高。 为使得入侵检测技术能够具备实时性、自主学习性、低误／、漏报率等性 Swarm 能，在对现存的PSO(Particle 分析的基础上，得出PSO算法规则简单，收敛速度快，且有很多措施可以避 免陷入局部最优，同时指出了PSO算法的局限性，提出了一种带变异算子的 PSO算法：MPSO算法，改进后的算法即平衡了粒子群优化算法的全局和局 部搜索能力，也有效地提高了算法跳出局部最优解的能力；为进一步提高 T BP神经网络学习算法的收敛速度和精度，将具有全局搜索能力的MPSO算 法融合到BP神经网络中，提出MPSO 网络的权值、阈值，克服BP神经网络易陷入局部极值的弊端，并用Iris分类 BP、MPSO 问题分别对BP、PSO BP三种算法进行仿真实验，实验数据表 明，该算法能进一步提高BP神经网络的收敛速度和精度。 在此基础上，提出基于改进BP神经网络算法(mSOBP)的入侵检测 模型：MPBIDS，该模型包括数据捕获及采集模块、数据预处理模块、改进 BP：}：tO经网络模块、规则数据库模块、响应处理模块五部分。最后采用 验。实验结果表明，该模型能有效提高入侵检测系统的检测率、降低误报 率，具有较高的实际应用价值。 关键词：入侵检测 反向传播神经网络粒子群优化算法改进粒子群优 化算法 Ⅱ Networkin Researchof BPNeural Application Improved IntrusionDetection System ABSTRACT Withthe of network developmentcomputertechnology, rapid communicationsandinformation intrusioneventsOCCUr industries，network network situationis it serious，SO frequently,andcomputersecurity increasingly is totakea ofnetwork t