基于遺傳算法和神經網絡的入侵檢測技術在TDCS網絡中的研究.pdf

1、在鐵路信息化建設飛速發(fā)展的大環(huán)境下,為了提高鐵路核心生產業(yè)務的水平,增強鐵路運輸服務能力,全路大力實施列車調度指揮系統(tǒng)。目前,已實現了鐵路系統(tǒng)內,列車運行的自動控制、行車計劃的自動調整、數據資源的完全共享等功能,是實現鐵路運輸指揮信息化、自動化的有效保障。
　　 鐵路運輸調度指揮的現代化水平,在TDCS(TrainoperationDispatchingCommandSystem,列車調度指揮系統(tǒng))的廣泛實施后得到了很大的提高,

2、這意味著要想保障行車的安全,就要提高系統(tǒng)整體的保密性、完整性和可用性。
　　 隨著計算機網絡的廣泛覆蓋,雖然現有TDCS網絡建立了一定的安全防范設施,但這些安全設施仍不能防范肆意蔓延的安全威脅和計算機病毒。由此可見,現有的網絡安全體系只能起到一定的預防作用,并不能完全解決鐵路骨干網絡的安全問題。將入侵檢測技術應用到TDCS系統(tǒng)中,一方面可以實現對網絡的整體控制、實時監(jiān)督,另一方面可以通過監(jiān)視、限制網絡數據流,給TDCS網絡系統(tǒng)提

3、供全方位的安全保護,為提高TDCS局域網的安全性能提供堅實的基礎。
　　 目前,在入侵檢測方面的研究很多,但就技術上的有些問題,還需要進行更深一步的研究。比如,如何降低現有入侵檢測系統(tǒng)的誤報率、虛警率,如何精確查找入侵的位置和處理機制。針對TDCS專用網絡的特點和入侵檢測存在的問題,本文建立了一種應用于TDCS網絡安全防護體系的入侵檢測模型。該模型結合了誤用檢測和異常檢測,將數據預處理后的屬性特征作為神經網絡的輸入,并采用遺傳算

4、法對神經網絡的權值進行優(yōu)化,以克服神經網絡易陷入局部最小值和過早收斂的缺點。由于KDD99數據集的每個行為都是用多維特征來進行描述的,為了降低輸入維數,提高檢測速率,本論文采用主成分分析的方法,剔除訓練集和測試集中對整體沒有貢獻或貢獻度低的特征屬性。
　　 最后,借助Matlab仿真實驗平臺,運用遺傳算法訓練神經網絡權值,將訓練好的網絡應用到優(yōu)化的入侵檢測模型中,并進行實驗仿真。結果表明,通過主成分分析后,輸入維數大幅減少,有效