基于QPSO優(yōu)化的BP網(wǎng)絡(luò)入侵檢測(cè)研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的快速發(fā)展，在給人們共享資源帶來方便的同時(shí)，也引發(fā)了許多網(wǎng)絡(luò)安全問題。近年來，網(wǎng)絡(luò)入侵事件頻發(fā)，信息安全正面臨著巨大的威脅和挑戰(zhàn)。像防火墻、數(shù)據(jù)加密等一些被動(dòng)的安全防御技術(shù)跟不上信網(wǎng)絡(luò)全發(fā)展的需要，入侵檢測(cè)技術(shù)是一種主動(dòng)的信息安全防護(hù)手段，已經(jīng)成為未來信息安全研究領(lǐng)域的重要課題。目前傳統(tǒng)的入侵檢測(cè)技術(shù)依然存在檢測(cè)方法單一、檢測(cè)精度不高等問題，因此嘗試將神經(jīng)網(wǎng)絡(luò)、遺傳算法、人工免疫、粒子群優(yōu)化算法等智能技術(shù)引入到入侵檢測(cè)中，改

2、進(jìn)的檢測(cè)方法取得了較好的效果，可以在一定程度上改善入侵檢測(cè)的準(zhǔn)確率。
　　 本文分析了現(xiàn)有入侵檢測(cè)技術(shù)和模型的基本原理以及存在的不足，根據(jù)BP神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，發(fā)現(xiàn)BP網(wǎng)絡(luò)應(yīng)用于入侵檢測(cè)是一種可行的方法。可以充分利用神經(jīng)網(wǎng)絡(luò)技術(shù)自適應(yīng)學(xué)習(xí)、分布并行和存儲(chǔ)等優(yōu)良特性，一定程度上可以克服傳統(tǒng)入侵檢測(cè)技術(shù)的不足。分析和比較粒子群和量子粒子群優(yōu)化算法依然存在陷入局部最優(yōu)的問題，提出一種改進(jìn)的自適應(yīng)變異量子粒子群優(yōu)化算法，在一定程度上提高了

3、算法的收斂性。針對(duì)傳統(tǒng)BP算法收斂速度慢、易陷入局部極小等不足，提出了多種策略的改進(jìn)方法，并嘗試用改進(jìn)的智能算法優(yōu)化BP網(wǎng)絡(luò)參數(shù)，進(jìn)而提高BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)效率。用改進(jìn)的量子粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，進(jìn)而得到優(yōu)化的BP網(wǎng)絡(luò)模型。本文將改進(jìn)的BP網(wǎng)絡(luò)模型應(yīng)用于入侵檢測(cè)中，從標(biāo)準(zhǔn)入侵檢測(cè)數(shù)據(jù)集中抽取大量的學(xué)習(xí)和測(cè)試樣本，進(jìn)行仿真模擬實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，改進(jìn)的BP算法收斂性有顯著的提升，有效地提高了入侵檢測(cè)效率，因此將改進(jìn)的BP