基于遺傳神經網絡的入侵檢測系統(tǒng)的研究.pdf

1、本文圍繞基于遺傳神經網絡的入侵檢測技術進行研究，提出一種基于遺傳神經網絡的入侵檢測系統(tǒng)，該系統(tǒng)基于遺傳算法(Genetic Algorithms，GA)的全局搜索和BP(Back Propagation)網絡局部精確搜索的特性，將GA和BP算法有機結合，利用遺傳算法優(yōu)化網絡初始權重，使訓練好的網絡更有效的檢測入侵,從而克服了BP算法收斂速度慢、易陷入局部極小值、全局搜索力弱、受網絡結構限制等缺點。研究表明，該方法效果良好，學習速度快，分

2、類準確率高。 本系統(tǒng)研究的主要內容：一是通過對遺傳神經網絡算法本身的研究以及網絡數據(包括對正常數據和攻擊數據)特征的研究，提高系統(tǒng)對入侵行為檢測的準確性；二是在ONE_CLASS分類器(單類分類器)的實現(xiàn)問題上，研究如何將攻擊數據分離出去，并能夠使數據處理速度適應高速網絡。 本文的主要創(chuàng)新之處：一是利用系統(tǒng)的ONE_CLASS分類器首先將大部分正常數據分流來適應高速網絡的發(fā)展要求；二是利用系統(tǒng)的誤用檢測模塊的檢測結果來