人工蜂群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)在入侵檢測中的應用.pdf

1、TheapplicationofartificialbeecolonyoptimizationofBPneuralwkinintrusiondetectionADissertationSubmittedtotheGraduateSchoolofHenanUniversityinPartialFulfillmentoftheRequirementsftheDegreeofMasterofScienceByWangLongSupervis:

2、Prof.ShenXiajiongMay2015I摘要互聯(lián)網(wǎng)（Inter）在日常的生產(chǎn)和生活中占據(jù)的位置越來越重要，網(wǎng)絡(luò)的發(fā)展在給公司和個人的業(yè)務(wù)帶來便利的同時，網(wǎng)絡(luò)安全問題也越來越成為一個威脅。因此，對網(wǎng)絡(luò)安全問題的研究就顯得非常必要。根據(jù)入侵檢測技術(shù)動態(tài)響應、智能監(jiān)控、實時探測等特點，可以作為傳統(tǒng)安全產(chǎn)品的重要補充，也是目前動態(tài)安全產(chǎn)品的主要研究方向。根據(jù)神經(jīng)網(wǎng)路自適應、自學習、自組織的特點，能夠處理一些背景和環(huán)境比較復雜的活動?，F(xiàn)

3、在基于神經(jīng)網(wǎng)絡(luò)等軟計算方法的入侵檢測成為一種趨勢。本文就是在神經(jīng)網(wǎng)絡(luò)方法的基礎(chǔ)上展開對對入侵檢測技術(shù)的研究。傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)存在容易陷入局部最優(yōu)、收斂速度慢等缺點。針對這個缺點，研究人員通過多種遺傳算法去優(yōu)化神經(jīng)網(wǎng)絡(luò)，但是在收斂速度上和檢測的正確率上還沒有達到理想的效果。本文根據(jù)人工蜂群算法全局尋優(yōu)和群體智能的特點，在初始化神經(jīng)網(wǎng)絡(luò)的參數(shù)時，把神經(jīng)網(wǎng)絡(luò)的誤差作為人工蜂群算法的適應度，選擇適應度最好的一組參數(shù)作為神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，避免

4、神經(jīng)網(wǎng)絡(luò)陷入局部最優(yōu)和收斂速度慢的問題。將人工蜂群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型應用到入侵檢測中，仿真實驗結(jié)果表明，優(yōu)化后的網(wǎng)絡(luò)模型加快了收斂速度，提高了檢測精度。本文的主要工作包括以下幾個方面：（1）分析了現(xiàn)階段的網(wǎng)絡(luò)安全趨勢，網(wǎng)絡(luò)安全威脅已經(jīng)從網(wǎng)絡(luò)層轉(zhuǎn)向應用層。詳細闡述了入侵檢測的基本概念，入侵檢測的模型和組成；并對入侵檢測的技術(shù)分類（基于誤用和基于異常）和入侵檢測的常用方法進行了簡單的介紹。（2）介紹了BP神經(jīng)網(wǎng)絡(luò)的基本概念，分析了BP神

5、經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和算法。以傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)為模型做了一個簡單的仿真實驗。根據(jù)BP神經(jīng)網(wǎng)絡(luò)的缺點引入了人工蜂群算法，根據(jù)人工蜂群算法全局尋優(yōu)的特點對BP神經(jīng)網(wǎng)絡(luò)的參數(shù)（權(quán)值和閾值）進行了優(yōu)化。（3）詳細分析了KDD99數(shù)據(jù)集，對從該數(shù)據(jù)集中提取的數(shù)據(jù)進行了預處理，把處理后的數(shù)據(jù)用人工蜂群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)進行了入侵檢測的仿真，通過和傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)，遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)在收斂速度和檢測正確率上的對比，證明了優(yōu)化后算法的優(yōu)越性。關(guān)鍵詞