基于BP神經(jīng)網(wǎng)絡(luò)和聚類(lèi)分析的入侵檢測(cè)研究.pdf

1、當(dāng)前計(jì)算機(jī)和互聯(lián)網(wǎng)的發(fā)展速度之快是眾所周知的，這給我們的生活帶來(lái)革命性的變化。同時(shí)，網(wǎng)絡(luò)安全事件的爆發(fā)越來(lái)越頻繁，危害也越來(lái)越大，嚴(yán)重威脅著國(guó)家和人們的生命財(cái)產(chǎn)安全。由于入侵檢測(cè)能主動(dòng)地阻斷攻擊行為并能有效保障網(wǎng)絡(luò)安全。因此，對(duì)入侵檢測(cè)的研究具有重要的理論價(jià)值和現(xiàn)實(shí)意義。
　　本文分析了BP神經(jīng)網(wǎng)絡(luò)應(yīng)用在入侵檢測(cè)中存在的一些缺點(diǎn)，如檢測(cè)時(shí)間長(zhǎng)，容易陷入局部極值等。目前，雖然已經(jīng)有很多研究學(xué)者對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)，但基本上都是針對(duì)

2、BP網(wǎng)絡(luò)的權(quán)值和閾值加以改進(jìn)，使檢測(cè)效果得到了一定的提高;很少有人研究關(guān)于BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的改進(jìn)。本文利用遺傳算法不僅調(diào)整BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，并且對(duì)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)進(jìn)行了優(yōu)化。為了表明檢測(cè)效果的有效提高，利用MATLAB進(jìn)行實(shí)驗(yàn)仿真，實(shí)驗(yàn)結(jié)果表明，本文算法比BP神經(jīng)網(wǎng)絡(luò)檢測(cè)和基于PCA的BP神經(jīng)網(wǎng)絡(luò)的檢測(cè)時(shí)間縮短一半以上，檢測(cè)率有了明顯的提高，誤報(bào)率明顯降低。
　　本文介紹了聚類(lèi)分析方法在入侵檢測(cè)系統(tǒng)中應(yīng)用，著重研究了K-me

3、ans算法在入侵檢測(cè)中的優(yōu)缺點(diǎn)以及研究現(xiàn)狀，發(fā)現(xiàn)現(xiàn)有的改進(jìn)策略在計(jì)算相似度值時(shí)要么僅考慮距離因素，要么僅考慮密度因素，而本文不但考慮了距離因素同時(shí)考慮了密度因素，使算法能夠發(fā)現(xiàn)任意形狀的簇，減小了孤立點(diǎn)對(duì)聚類(lèi)結(jié)果的影響。本文又在聚類(lèi)中心的確定與選擇方面，是在最大值最小值的基礎(chǔ)上進(jìn)行改進(jìn)，來(lái)選擇和調(diào)整聚類(lèi)中心。在數(shù)據(jù)集的選取與預(yù)處理部分利用遺傳BP神經(jīng)網(wǎng)絡(luò)的特征選擇結(jié)果作為初始數(shù)據(jù)集，然后引用KPCA技術(shù)和改進(jìn)K-means算法相結(jié)合。最