通信与网络中的浅谈如何改进遗传算法优化的BP神经网络入侵
99 浏览量
2020-10-22
09:18:22
上传
评论
收藏 266KB PDF 举报
通信与网络中的浅谈如何改进遗传算法优化的通信与网络中的浅谈如何改进遗传算法优化的BP神经网络入侵神经网络入侵
入侵检测（Intrusion Detection）是对入侵行为的检测。它通过收集和分析网络行为、安全日志、审计数据、其
它网络上可以获得的信息以及计算机系统中若干关键点的信息，检查网络或系统中是否存在违反安全策略的行
为和被攻击的迹象。入侵检测作为一种积极主动地安全防护技术，提供了对内部攻击、外部攻击和误操作的实
时保护，在网络系统受到危害之前拦截和响应入侵。因此被认为是防火墙之后的第二道安全闸门，在不影响网
络性能的情况下能对网络进行监测。 入侵检测通过执行以下任务来实现：监视、分析用户及系统活动；系
统构造和弱点的审计；识别反映已知进攻的活动模式并向相关人士报警；异常行为模式的统计分析；评估重要
入侵检测（Intrusion Detection）是对入侵行为的检测。它通过收集和分析网络行为、安全日志、审计数据、其它网络上
可以获得的信息以及计算机系统中若干关键点的信息，检查网络或系统中是否存在违反安全策略的行为和被攻击的迹象。入侵
检测作为一种积极主动地安全防护技术，提供了对内部攻击、外部攻击和误操作的实时保护，在网络系统受到危害之前拦截和
响应入侵。因此被认为是防火墙之后的第二道安全闸门，在不影响网络性能的情况下能对网络进行监测。
入侵检测通过执行以下任务来实现：监视、分析用户及系统活动；系统构造和弱点的审计；识别反映已知进攻的活动模式
并向相关人士报警；异常行为模式的统计分析；评估重要系统和数据文件的完整性；操作系统的审计跟踪管理，并识别用户违
反安全策略的行为。 入侵检测是防火墙的合理补充，帮助系统对付网络攻击，扩展了系统管理员的安全管理能力（包括安全
审计、监视、进攻识别和响应），提高了信息安全基础结构的完整性。它从计算机网络系统中的若干关键点收集信息，并分析
这些信息，看看网络中是否有违反安全策略的行为和遭到袭击的迹象。
普通GA的适应度函数不灵敏，其选择方法易产生随机误差，通用性较差，影响算法的性能。本文对GA的适应度函数和选
择方法进行改进，用其优化BP神经网络，并应用在入侵检测中。
1 BP神经网络及遗传算法简介神经网络及遗传算法简介
1.1 BP神经网络简介神经网络简介
BP神经网络模型是由一个输入层、一个或多个隐含层和一个输出层组成的一种多层前馈型网络，并用BP算法进行训练，
是一种有导师的学习方法，利用梯度下降法对权值进行修正。在实际应用和研究中通常一个隐含层就能满足要求。
BP 算法的过程可以分为两个阶段。第一阶段是由输入层开始逐层计算各层神经元的输入和输出，直到输出层为止。第二
阶段是由输出层开始逐层计算各层神经元的输出误差，并根据误差梯度下降原则来调节各层的连接权值和节点阈值，使修改后
的网络的最终输出能接近期望值[2]。如果一次训练以后还达不到精度要求，可以重复训练，直到满足训练精度为止。BP神经
网络模型流程图如图1所示[3]。
1.2 遗传算法简介遗传算法简介
遗传算法是由DARWIN的生物进化论和MENDEL的遗传理论发展而来的一种高效的全局搜索算法，它模拟自然选择和遗
传中发生的繁殖、交配和突变现象，从初始种群出发，根据适应度函数计算出的适应度函数值，通过选择、交叉和变异这3个
操作，产生新的更适应环境的个体(问题的解)，使群体进化到搜索空间中越来越接近问题的最优解的区域。这样一代一代不断
评论0
最新资源