基于智能算法的網(wǎng)絡(luò)入侵檢測技術(shù)研究.pdf

1、入侵檢測是對企圖入侵，正在進行的入侵或已經(jīng)發(fā)生的入侵進行識別的過程，是一種主動的網(wǎng)絡(luò)安全防御措施。目前由于入侵檢測方法的檢測率較低，誤報率和漏報率較高以及實時性較差等缺點，需要大量的或完備的數(shù)據(jù)才能達到比較理想的檢測性能。
　　 本文針對目前入侵檢測中所存在的問題，提出了一種新的檢測模型--基于群體智能算法的神經(jīng)網(wǎng)絡(luò)模型。首先，闡述了入侵檢測的概念，特點，分類，研究內(nèi)容及傳統(tǒng)入侵檢測所面臨的困境；接著介紹了神經(jīng)網(wǎng)絡(luò)的基本原理和量

2、子粒子群優(yōu)化(Quantum-behaved Particle Swarm Optimization，QPSO)算法以及改進的量子粒子群優(yōu)化算法的基本思想，強調(diào)了改進的QPSO可以增加種群的多樣性，有效地抑制粒子群早熟，并提高了算法的全局收斂能力。本文進一步闡述了神經(jīng)網(wǎng)絡(luò)的概念，特點，結(jié)構(gòu)，并介紹了小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，分類等。接著以小波神經(jīng)網(wǎng)絡(luò)(WNN)為對象，應用QPSO算法及改進的QPSO算法作為訓練算法，給出了具體的操作過程。

3、r>　　 接著，本文將改進的QPSO算法優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)用于網(wǎng)絡(luò)異常檢測。為了測試性能，分別將QPSO算法以及改進的QPSO算法用于訓練小波神經(jīng)網(wǎng)絡(luò)，通過智能算法對參變量的優(yōu)化操作，在進行異常檢測的過程中，盡量提高異常檢測率，降低誤判率。采用KDDCUP99數(shù)據(jù)集進行的實驗表明，基于改進的QPSO算法的小波神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)異常檢測，有效的提高了檢測率，同時具有較低的誤判率。這些結(jié)果表明，改進的QPSO算法是一種高性能的神經(jīng)網(wǎng)絡(luò)訓練算法