基于網(wǎng)絡(luò)流量異常檢測(cè)的網(wǎng)絡(luò)安全技術(shù)研究—群體智能算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)技術(shù)研究.pdf

1、隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的發(fā)展和網(wǎng)絡(luò)系統(tǒng)的膨脹，敏感數(shù)據(jù)正面臨著被黑客攻擊的威脅。入侵檢測(cè)是企圖入侵，正在進(jìn)行的入侵或已經(jīng)發(fā)生的入侵進(jìn)行識(shí)別的過(guò)程，是一種主動(dòng)的網(wǎng)絡(luò)安全防御措施。入侵檢測(cè)作為網(wǎng)絡(luò)安全研究的重要內(nèi)容，已經(jīng)引起了國(guó)內(nèi)外學(xué)者的廣泛關(guān)注。目前入侵檢測(cè)方法檢測(cè)率較低，誤報(bào)率和漏報(bào)率較高以及實(shí)時(shí)性較差等缺點(diǎn)，需要大量或完備的數(shù)據(jù)才能達(dá)到比較理想的檢測(cè)性能。 本文分析了在新的網(wǎng)絡(luò)環(huán)境中傳統(tǒng)入侵檢測(cè)方法面臨的困境，并針對(duì)目前入侵檢測(cè)中

2、所存在的問(wèn)題，提出了一種新的檢測(cè)模型——基于群體智能算法的神經(jīng)網(wǎng)絡(luò)模型。 首先，本文闡述了入侵檢測(cè)的概念，特點(diǎn)，分類，研究?jī)?nèi)容及傳統(tǒng)入侵檢測(cè)面臨的困境；接著介紹了神經(jīng)網(wǎng)絡(luò)的基本原理和粒子群優(yōu)化(ParticleSwarmOptimization，PSO)算法以及具有量子行為粒子群算法(Quantum-behavedParticleSwarmOptimization，QPSO)的基本思想，強(qiáng)調(diào)了QPSO在全局優(yōu)化問(wèn)題中比PSO算法

3、具有更好的收斂性能。本文進(jìn)一步闡述了神經(jīng)網(wǎng)絡(luò)的概念，特點(diǎn)，結(jié)構(gòu)，并介紹了小波神經(jīng)網(wǎng)絡(luò)的算法，分類等。接著以小波神經(jīng)網(wǎng)絡(luò)(WNN)為對(duì)象，應(yīng)用QPSO算法作為訓(xùn)練算法，給出了具體的操作過(guò)程。 接著，本文將QPSO優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)用于網(wǎng)絡(luò)異常檢測(cè)。為了測(cè)試性能，分別將遺傳算法(GeneticAlgorithm，簡(jiǎn)稱GA)，PSO算法以及QPSO算法分別訓(xùn)練小波神經(jīng)網(wǎng)絡(luò)，通過(guò)智能算法對(duì)操作變量的優(yōu)化，在進(jìn)行異常檢測(cè)的過(guò)程中，盡量提高

4、異常檢測(cè)率，降低誤判率。采用KDD99數(shù)據(jù)集進(jìn)行的實(shí)驗(yàn)證明，基于QPSO的小波神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)入侵檢測(cè)算法，有效的提高了檢測(cè)率，同時(shí)具有較低的誤判率。 最后，本文提出一種改進(jìn)的QPSO算法，并將它用來(lái)優(yōu)化小波模糊神經(jīng)網(wǎng)絡(luò)，建立的模型在KDD99數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)證明，該模型是有效的。 本文的研究工作表明，用QPSO算法及改進(jìn)的QPSO算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)，其性能優(yōu)于其他智能算法如：PSO算法和遺傳算法，收斂速度也比PSO算法或G