基于BP神經(jīng)網(wǎng)絡(luò)的入侵檢測(cè)技術(shù)的研究.pdf

1、隨著計(jì)算機(jī)技術(shù)的迅速發(fā)展及網(wǎng)絡(luò)的廣泛應(yīng)用，網(wǎng)絡(luò)攻擊事件頻繁發(fā)生，并且入侵的手段層出不窮，使得防火墻越來越難以單獨(dú)地保障網(wǎng)絡(luò)安全。因此，在增強(qiáng)網(wǎng)絡(luò)的安全性方面，許多組織和專家都傾向于更強(qiáng)有力的主動(dòng)安全防護(hù)策略，其中，入侵檢測(cè)技術(shù)作為一種有效的解決途徑，已成為了一個(gè)研究的焦點(diǎn)。
　　本文首先對(duì)入侵檢測(cè)技術(shù)及其發(fā)展趨勢(shì)進(jìn)行了相關(guān)介紹。分析和總結(jié)了傳統(tǒng)的入侵檢測(cè)技術(shù)所存在的一些缺陷，比如誤報(bào)率、漏報(bào)率高，對(duì)未知攻擊的識(shí)別能力差，實(shí)時(shí)檢測(cè)攻

2、擊的能力低等。近些年，人工神經(jīng)網(wǎng)絡(luò)技術(shù)開始運(yùn)用到了入侵檢測(cè)領(lǐng)域，為入侵檢測(cè)技術(shù)開辟了新的研究途徑。因此，本文引入了人工神經(jīng)網(wǎng)絡(luò)的相關(guān)理論，并重點(diǎn)研究了在神經(jīng)網(wǎng)絡(luò)領(lǐng)域被廣泛使用的BP神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Network)。
　　本文首先詳細(xì)論述了BP神經(jīng)網(wǎng)絡(luò)的工作原理、基本思想及算法的推導(dǎo)過程，同時(shí)對(duì)其所存在的問題和幾種目前較常使用的改進(jìn)方法進(jìn)行了分析和介紹。然后，針對(duì)入侵檢測(cè)，本文在自適應(yīng)學(xué)習(xí)率

3、法的基礎(chǔ)上進(jìn)行了改進(jìn)，提出了一種新的改進(jìn)算法：每次迭代時(shí)，根據(jù)誤差和局部梯度兩者的變化信息，采用不同的學(xué)習(xí)率分別對(duì)各個(gè)節(jié)點(diǎn)之間的連接權(quán)重和閾值進(jìn)行調(diào)整，使權(quán)值的修改更有針對(duì)性。同時(shí)，也引入了帶有可調(diào)因子的轉(zhuǎn)移函數(shù)，克服BP網(wǎng)絡(luò)在誤差平坦區(qū)收斂速度慢的缺點(diǎn)，以提高 BP網(wǎng)絡(luò)在入侵檢測(cè)中的檢測(cè)能力和收斂速度。
　　最后，本文采用KDDCUP99數(shù)據(jù)集中的部分?jǐn)?shù)據(jù)在Matlab7.0下對(duì)本文所提出的改進(jìn)算法、自適應(yīng)學(xué)習(xí)率法和標(biāo)準(zhǔn)BP算法