BP神經(jīng)網(wǎng)絡(luò)算法研究.pdf

1、隨著網(wǎng)絡(luò)的廣泛應(yīng)用，特別是政府信息和軍事數(shù)據(jù)在網(wǎng)絡(luò)上的傳輸給網(wǎng)絡(luò)安全提出了很高的要求。網(wǎng)絡(luò)攻擊層出不窮，入侵手段也不斷更新，使得目前的防火墻等被動的網(wǎng)絡(luò)安全機制對許多攻擊難以檢測。 入侵檢測系統(tǒng)是當(dāng)前網(wǎng)絡(luò)安全領(lǐng)域的研究熱點，在保障網(wǎng)絡(luò)安全方面起著重要的作用。但由于傳統(tǒng)的入侵檢測存在著規(guī)則庫難于管理、統(tǒng)計模型難以建立以及較高的誤報率等諸多問題，制約了入侵檢測在實際應(yīng)用中的效果。 神經(jīng)網(wǎng)絡(luò)以自適應(yīng)、自學(xué)習(xí)、自組織、較好的容錯

2、性等優(yōu)點而在入侵檢測領(lǐng)域中發(fā)揮了重要作用，但傳統(tǒng)BP算法存在收斂速度慢、易陷入局部極小點以及編程困難、計算量大等問題， 在用MATLAB解決編程及大量的計算問題基礎(chǔ)上，用MATLAB中的神經(jīng)網(wǎng)絡(luò)工具箱構(gòu)建了一個BP神經(jīng)網(wǎng)絡(luò)，對采用梯度下降法、LMBP算法的神經(jīng)網(wǎng)絡(luò)從收斂速度和收斂精度等方面做了比較。在對LMBP算法進行改進之后，設(shè)計出一種可以有效逃離局部極小點的算法，并且用MATLAB編寫了新的訓(xùn)練函數(shù)trainlmguo進行訓(xùn)