基于遺傳神經(jīng)網(wǎng)絡的入侵檢測模型研究.pdf

1、隨著科技進步和計算機網(wǎng)絡技術的飛速發(fā)展，信息產(chǎn)業(yè)及其應用得到了巨大發(fā)展，政府、金融、電信等企事業(yè)單位及個人用戶等對網(wǎng)絡的依賴程度越來越高，同時也由此帶來了信息安全的隱患，如何保障網(wǎng)絡與信息系統(tǒng)的安全已經(jīng)成為人們高度重視的問題。 傳統(tǒng)的網(wǎng)絡安全模型已不能適應網(wǎng)絡技術的發(fā)展，PPDR模型應運生。入侵檢測技術是PPDR模型的重要組成部分，是防火墻、數(shù)據(jù)加密等安全保護措施的有效補充。它對計算機和網(wǎng)絡資源上的惡意使用行為進行識別，并為對抗

2、入侵提供重要信息，它不僅檢測來自外部的入侵行為，同時也監(jiān)督內(nèi)部用戶的未授權活動。 入侵檢測分析技術是入侵檢測系統(tǒng)的核心，主要分為異常入侵檢測和誤用入侵檢測。該文針對入侵檢測系統(tǒng)存在的對入侵事件高漏報率和誤報率，提出一種基于遺傳神經(jīng)網(wǎng)絡的異常入侵檢測模型，該模型基于遺傳算法的全局搜索和BP網(wǎng)絡局部精確搜索的特性，將遺傳算法和BP算法有機結合，利用遺傳算法優(yōu)化網(wǎng)絡初始權重，使訓練好的網(wǎng)絡更有效的檢測入侵。從而克服了BP算法收斂速度慢