免疫算法优化的RBF在入侵检测中的应用.pdfVIP

第27卷摇 第6期 计 算机 技 术 与发 展 Vol.27摇 No.6 2017年6月 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 COMPUTERTECHNOLOGY AND DEVELOPMENT摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 June摇 2017 免疫算法优化的RBF在入侵检测中的应用 曹耀彬,王亚刚 (西安邮电大学计算机学院,陕西 西安 710121) 摘摇 要:RBF(Radical Basis Function)神经网络是一种典型的三层前向神经网络。 虽然RBF神经网络的非线性逼近能力、 分类能力以及学习速度都要好于其他的神经网络,但是RBF神经网络在实际应用中隐含层中心点难求,不能被广泛地应 用于入侵检测系统中。 免疫算法是基于免疫系统的学习算法,免疫算法不仅对干扰具有较强维持系统平衡的能力,而且 具有较强的模式分类能力。 为了得到最优的RBF神经网络并将其应用到入侵检测系统中,提出了一种免疫算法优化的基 于最小均方差的联合RBF神经网络,即IA-LMS-RBF算法。 仿真实验结果表明,与传统的 -means和随机法选取基函数 K 中心点相比,基于免疫算法求取中心点的LMS-RBF神经网络,不仅能明显地提高对已知攻击的检测能力,并且对于未知 的攻击行为也能很好地进行识别。 IA-LMS-RBF算法有效提高了入侵检测系统的效率,保证了计算机系统的安全性。 关键词:入侵检测;RBF神经网络;中心点; -means;免疫算法;最小均方差 K 中图分类号:TP301.6摇 摇 摇 摇 摇 摇 文献标识码:A摇 摇 摇 摇 摇 摇 文章编号:1673-629X(2017)06-0114-05 doi:10.3969/j.issn.1673-629X.2017.06.024 Application of RBF Neural Network Optimized by Immune Algorithm in Intrusion Detection CAO Yao-bin,WANG Ya-gang (College of Computer Science,Xi爷an University of Postsand Telecommunications,Xi爷an710121,China) Abstract:RBF neural network isa typical three-layer feed forward neural network.Although approximation capacity,classification and learning speed of RBF neural network is superior to others,it is difficult to find the optimal value of the center point which isnot used widely in intrusion detection system.Immunealgorithmisalearningalgorithmbasedontheimmune system.Itnot only ownsa stronga鄄 bility tomaintain systembalance,butalsohasstrongpattern classification.In ordertogettheoptimalRBFneuralnetworkandapplyitto the intrusion detection system,an immunealgorithmhasbeenproposedtooptimize