面向蜂群算法的网络安全检测控制模型优化研究.docVIP

面向蜂群算法的网络安全检测控制模型优化研究 　　摘 要：基于网络入侵检测的蜂群算法优化模式是一个用于网络入侵检测开发的专用编程接口。基于该编程接口，在Linux平台上设计和实现了一个复杂的入侵检测系统。基于网络入侵检测的蜂群算法与差分进化算法（DE）混合，采取数据信息处理模式，可以按照双群结构的要求，进行数据信息独立分析，从而能够产生数据信息交换功能。通过分布式技术对蜂群进行空间分析，通过空间信息搜索工具，保证学习策略功能能够完成。从仿真实验看提高种群解的质量。设计了一种简单入侵检测模式的描述语言，对入侵检测的特征数据库进行优化，对网络异常行为进行入侵检测。 　　关键词：蜂群算法；入侵检测；协议；优化 　　中图分类号：TP301.6 　　针对基于网络入侵检测的蜂群算法搜索速度较慢、早熟收敛、易陷入局部最优解等情况，大批学者和专家通过学习和研究提出了许多改进的基于网络入侵检测的蜂群算法，本文中通过对改进的基于网络入侵检测的蜂群算法的研究将它们分成三类――基于初始化参数优化的改进型、基于搜索过程优化的改进型和基于整体优化的改进型，针对这三类改进的基于网络入侵检测的蜂群算法介绍了各类的典型算法。用户在安全控制策略方面需要进行全面分析，从而能够更好的提升网络入侵检测能力。 　　1 网络入侵检测的蜂群算法 　　网络入侵检测的蜂群算法（BCA）是一种基于蜜蜂行为的优化算法。基于Boltzmann选择机制提出了一种改进的基于网络入侵检测的蜂群算法（BBCA）用来优化多变量函数。BBC是对参数初始化的改进，算法使初始群体均匀化。采用Boltzmann选择机制来代替轮盘赌以防止算法过早收敛。 　　1.1 选择网络安全管理策略 　　通过对网络入侵检测自适应机制和机器学习模式分析，对选择策略进行模式分析，发挥搜索算法的信息处理功能作用，在不同的环境下按照蜂群的算法要求，从而能够进行数据信息的决策，让决策功能能够在信息连接过程中产生积极的作用。从当前的情况看，需要对数据信息的估值进行优化，从而能够产生概率信息处理模型。保证搜索算法能够符合空间数据信息控制的要求。算法实现过程中如果用A表示全体行动的集合，那么通过价值集合模式可以对蜂群进行选择。设A为全体行动的集合，为行动的估计价值集合，为当前状态下可选的行动，分别为各行动的估计价值，系统对蜂群算法进行解析，从而找到入侵检测的方法，把Boltzmann选择策略与网络安全形成互动机制，逐步引入到网络入侵检测的蜂群算法中，提出了对应的估计价值，则当前状态下选择任一行动的概率为： 　　（1） 　　其中，T为退火温度。由全概率公式可知，。 　　1.2 搜索算法初始解的网络安全生成机制 　　初始解在整个算法搜索过程中产生起点作用，通过对初始群体形成，从而对个体空间分布情况进行解析，保证算法搜索整体性能得到全面提高。通过算法设计，可以看出初始群体生成是随机的，产生若干个初始群体组合，对生产初始群体的不合理问题进行判断，在此基础上进行算法改进，保证群体总数的分布相对比较均匀，通过小区间生成法的应用，可以改进群体个体的分布均匀性，保证群体可以含有丰富的个体，个体可以均匀分布在不同的区间上。 　　2 自适应搜索空间的混沌网络安全入侵检测 　　基于网络入侵检测的蜂群算法作为一种新的随机优化算法，算法设计过程中需要对全局群体进行最优解分析，但是在实际操作过程中存在搜索速度慢的特点，容易过早收敛，导致个体多样性逐步减少，陷入最优解难以获取的境地。算法优化需要解决搜索速度慢的问题，避免在过早的情况下收敛，因此研究了基于搜索过程改进的网络入侵检测蜂群算法，对搜索空间扩大产生重要的作用，通过混沌入侵检测蜂群算法的使用，可以对算法循环的过程中进行搜索，确保在实现过程中能够构造一个搜索区域，并且对每个值进行重新评估。当某一个值处于局部最优的状态的时候，可以通过混沌算法把最优解找出。 　　2.1 动态调整搜索空间安全策略 　　入侵检测过程中需要对种群进行设计，把其空间的解设定为个，此时每个解可以看成是维向量。 　　在自适应搜索空间的混沌基于网络入侵检测的蜂群算法（SA-CBC）中，搜索算法实现过程中可以对空间进行合理分布，把Y的分布空间得到有效的利用，从而能够最大可能对区间情况进行分布。 　　种群个体在设计过程中可以重新生成，那么可以根据种群个体在设计过程中可以重新生成和蜂群数据信息处理情况，从而能够按照搜索算法的要求，进行信息比对，确保信息能够在评估过程中产生作用，达到搜索算法优化的目的。通过循环算法的优化，保证循环迭代效应能够产生。 　　2.2 关键词 　　混沌现象在自然界中普遍存在，其是一种非线性现象，从表面看具有混乱的情况，但是从内在看起具有精致的结构，因此具有遍历性、随机性、规律性