入侵检测中检测器生成方法研究.docVIP

入侵检测中检测器生成方法研究 　　摘要：入侵检测器的生成是入侵检测系统的核心，量子遗传算法针对复杂优化问题有很强的搜索能力和最优化性能。该文提出了一种基于量子遗传算法的协同进化检测器生成方法，该算法通过对自然界中的协同进化机制进行模拟，首先将要进化的种群划分为多个子种群，然后各个种群再分别利用量子遗传算法进行优化，使整个入侵检测系统具有良好的自适应性和多样性。 　　关键词：入侵检测器；量子遗传算法；协同进化 　　中图分类号：TP274文献标识码：A文章编号：1009-3044(2012)13-3199-03 　　Research on Generating Method of Detector in IDS 　　LI Lu-lu 　　(College of Computer Science and Engineering Institute, Yulin Normal College, Yulin 537000, China) 　　Abstract: The generation of intrusion detection device is the core o f the intrusion detection system, In place of com plex problem of optimizaion, quantum genetic algorithm has strong searching capabilities and the most optimal performance. In this paper a quantum genetic algorithm coevolution detector generation method is proposed. The population needing to evolve is divided to some child population by simulating nature cooperative coevolution mechanism, and each population using quantum genetic algorithm to optimize, making whole intrusion detection system has good adaptability and diversity. 　　Key words: intrusion detection device; quantum genetic algorithm; cooperative coevolution 　　1概述 　　随着网络和计算机技术的不断发展，网络安全性问题日益突出起来，入侵检测系统是一种重要的安全防范技术，已成为网络安全的重要保障之一[1-2]。目前各种不同的攻击方式不断出现，因此入侵检测中的有关智能性研究逐渐成为入侵检测系统研究领域中的一个重要方向。而入侵检测系统的主要部件是检测器，检测器生成算法是生成有效检测器的关键，是检测异常变化的核心所在[3-4]。检测器的设计对入侵检测系统的性能有着重要的影响，其从产生到成熟再到被丢弃，有自身固有的过程和生命周期，可以利用遗传算法来生成一个成熟检测器集，采用交叉、变异等遗传操作对其进行进化，使成熟检测器群体向“非我”进化。但随着问题规模的不断扩大和搜索空间的更加复杂，遗传算法在实际应用中有一定的局限性，不能表现出算法的优越性，出现迭代次数多、收敛速度慢、易陷入局部最优值和过早收敛等问题。 　　量子遗传算法结合了量子计算和遗传算法的优点，它将量子所具有的独特计算能力和遗传算法的全局寻优能力结合起来，提升了算法的优化性能，比传统遗传算法具有更高的搜索效率[5]。该文在现在有研究的基础上提出一种检测器生成方法，该算法通过对自然界中的协同进化机制进行模拟，首先将要进化的种群划分为多个子种群，然后各个种群再分别利用量子遗传算法进行优化，使整个入侵检测系统具有良好的自适应性和多样性。 　　2相关知识 　　量子遗传算法本质上是种概率优化方法，其基本思想是基于量子计算原理，用量子比特编码来表示染色体，充分利用量子态的叠加性和相干性，以当前最优个体的信息为指导，通过量子门来完成种群的更新操作，以此来促进算法的收敛，从而来实现目标的最后优化求解。 　　2.1量子比特 　　通常在计算机中用二进制0和1来表示信息单元，而在量子计算机中是用一个双态量子系统即量子比特来表示信息单元。量子比特作为信息单位，形式上表示为两种基态|0和|1，一般用|0表示0，用|1表示1。与经典比特不同，量子比特不仅可以处于两种基态|0和|1，而且还可以处在中间态，也就是|0和|1的不同叠加态。因此，