AFSA―BPNN在网络安全中的应用研究.docVIP

AFSA―BPNN在网络安全中的应用研究 　　摘要：为了有效地检测网络入侵行为，提出一种人工鱼群（AFSA）算法优化BP神经网络（BPNN）入侵检测模型。首先将BP神经网络的权值和阈值编码为AFSA的人工鱼状态，然后通过人工鱼群觅食、聚群、追尾等行为，对BP神经网络的参数进行优化，寻找到BP神经网络的最优参数，最后利用建立的最优BP神经网络模型，对网络入侵行为进行检测。在Windows XP操作系统，Matlab 2012平台上，采用KDD CUP 99数据集仿真测试，相对于传统的BP神经网络模型，本文模型可以显著提高网络入侵检测正确率，有着更加广泛的应用前景。 　　关键词：网络入侵；神经网络；参数优化；人工鱼群算法 　　中图分类号：TP393 文献标识码：A 文章编号：2095-2163（2015）03- 　　Application of Back Propagation Neural Network Optimizing by Artificial Fish Swarm Algorithm in Network Intrusion Detection 　　LIU Chun 　　（Network Management Center ， Sichuan College of Architectural Technology， Deyang Sichuan 618000， China） 　　Abstract： In order to detect the network intrusion effectively， an artificial fish swarm （AFSA） algorithm is proposed to optimize the BP neural network （BPNN） intrusion detection model. In this paper， firstly， weights and threshold coding state of BP neural network is artificial fish of the AFSA， followed by artificial fish swarm foraging， Poly Group， rear end， which is used to optimize the parameters of BP neural network， to find the optimal parameters of the BP neural network； After that， using the establishment of optimal BP neural network model， the behavior of the network intrusion are detected. In the Windows XP operating system， on the platform of MATLAB 2012 by the KDD cup 99 data set of simulation test， compared with the traditional BP neural network model， the proposed model can significantly improve the network intrusion detection accuracy and has a more extensive application prospects. 　　Keywords： Network Intrusion； Neural Network； Parameter Optimization； Artificial Fish Swarm Algorithm 　　0 引言 　　随着互联网规模越来越大，网络的用途越来越广泛，在网络给人们生活带来便利的同时，其受到入侵的可能性页随之增加，未经授权用户对计算机进行操作，可能窃取系统中的信息，给计算机系统造成一定的安全隐患，网络安全问题日渐受到学界关注，在网络安全防御研究领域，网络入侵检测已然成为迫切需要解决的一个重要课题[1-2]。 　　按照入侵检测方式的不同，可将其分为误用入侵检测和异常入侵检测[3]。其中，误用入侵检测方法主要是依据检测知识库，对网络入侵行为进行匹配，如果检测知识库不完备，则可能存在某些未知的入侵行为无法检测。而异常入侵检测是通过对可接受行为进行描述，如果某项行为与正常行为存在偏差，则认为该行为是入侵行为，异常入侵检测方法能够对未知网络攻击行为进行有效检测，从而成为当前网络入侵研究的热点研究内容[4]。 　　网络入