基于量子粒子群的BP网络用于入侵检测.pdfVIP

108 传感器与微系统(TransducerandMicrosystemTechnologies) 2010年 第29卷 第2期 基于量子粒子群的BP网络用于入侵检测 袁 浩 (重庆邮电大学 电子商务与现代物流实验室，重庆 400065) 摘 要：针对遗传算法、粒子群算法等BP网络的学习算法对高维复杂问题仍易早熟收敛，且无法保证收 敛到最优解。把量子粒子群算法应用于BP网络的学习中，并把改进BP网络用于入侵检测。通过KDD99 CUP数据集分别对基于不同学习算法的BP网络进行了实验比较，结果表明：该算法的收敛速度较快，可 在一定程度上提高入侵检测系统的准确率和降低的误报率。 关键词：网络安全；入侵检测；BP网络 ；量子粒子群 中图分类号：TP393 文献标识码：A 文章编号：1000-9787(2010)O2-0108-03 Intrusion detectionbasedon quantum particleswarm ooottiimmiizzaattiioonn BP neettwwoorrkkss_ YUAN Hao (ElectronicCommerceModernLogisticsKeyLaboratory，ChongqingUniversityofPostsand Telecommunicati0ns，Chongqing400065，China) Abstract：Aimedattheproblem ofBP networkslearningalgorithm suchasgeneticalgorithms，particleswarm optimizationalgorithm isstilleasytoprematureconvergence，and can notguaranteeconvergencetotheoptimal solutionforhigh-dimensional complexissues．Thequantum panicleSWalTUalgorithm isappliedtoBPnetworksand improvetheBPnetworksofrintrusiondetection．ByKDD99CUP dataset，experimentsofBPnetworksbasedon differentlearningalgorithm werecompared．Resultsshow thatconvergencespeedofthealgorithm isfastandcan improveaccuracyofintursiondetectionsystemsandreducethefalsealarm ratetosomeextent． Keywords：networksecurity；intursiondetection；BPnetworks；quantum panicleswamr 0 引 言 使神经网络的攻击模式产生反应，从而使入侵检测系统具 随着互联网络的飞速发展 ，使用互联网进行在线消费 有 自适应能力 。对于神经网络在入侵检测中的应用，目 和电子商务的活动越来越频繁，计算机网络的安全问题越 前研究工作中大多数都是基于BP网络实现。传统 BP算 来越突出。网络安全问题已成为人们最为关心的问题之 法是一种梯度法，学习速度很慢。在训练大样本集时存在 J 一 。 入侵检测E2](intrusiondetection)是近十年发展起来 易陷入局部极小、训练时间长不易收敛等问题 。针对 的一种动态监测、预防或抵御系统入侵行为的安全机制。 传统 BP算法存在的这