云環(huán)境下基于改進(jìn)BP算法的入侵檢測方法研究.pdf

1、虛擬化是云計(jì)算底層實(shí)現(xiàn)中的核心部分，能夠?qū)崿F(xiàn)云平臺計(jì)算資源的高效利用。云計(jì)算的開放性則使得虛擬化環(huán)境面臨著眾多的安全威脅。傳統(tǒng)的入侵檢測技術(shù)的檢測效率較低，并且難以兼容于虛擬化環(huán)境的網(wǎng)絡(luò)結(jié)構(gòu)。因此，如何實(shí)現(xiàn)虛擬化中不同網(wǎng)絡(luò)架構(gòu)下的入侵檢測方法的研究對云計(jì)算應(yīng)用的發(fā)展有重要的意義。
　　針對現(xiàn)有云入侵檢測系統(tǒng)對不同虛擬網(wǎng)絡(luò)模型的兼容性較低、檢測精度較低等問題，本文對云環(huán)境下的入侵檢測方法開展了比較深入的研究，提出了兩種基于群智能算法

2、（PSO算法和DE算法）的改進(jìn)BP檢測算法。論文的主要研究工作如下:
　　(1)深入研究不同虛擬化網(wǎng)絡(luò)架構(gòu)下的相應(yīng)檢測策略，總結(jié)了各類方法的技術(shù)特點(diǎn)，分析現(xiàn)有虛擬化檢測技術(shù)和方法的不足。
　　(2)針對現(xiàn)有方法存在的問題，在深入研究KVM網(wǎng)絡(luò)模型的基礎(chǔ)上，提出一種云環(huán)境下基于改進(jìn)BP算法的入侵檢測模型(MBPCIDM)。該模型能夠使用NAT+網(wǎng)橋模式實(shí)現(xiàn)KVM用戶模式下的抓包、解析包、提取特征、檢測特征集、響應(yīng)入侵行為等模塊

3、，兼容了KVM虛擬化環(huán)境中的不同網(wǎng)絡(luò)模式，能夠?yàn)樵骗h(huán)境提供入侵檢測服務(wù)。
　　(3)在深入分析虛擬化網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上，針對BP算法易于陷入局部極小的問題，提出一種基于PSO算法的改進(jìn)BP檢測算法—MLPSO-BP。MLPSO-BP結(jié)合了粒子群優(yōu)化算法的全局尋優(yōu)能力和反向傳播算法的梯度下降等特點(diǎn)，將粒子群優(yōu)化算法引入到神經(jīng)網(wǎng)絡(luò)的初始權(quán)值的優(yōu)化中，利用動量項(xiàng)與LR方法，在加速BP算法收斂的同時，防止其保持本地最優(yōu)。實(shí)驗(yàn)結(jié)果表明，利用改

4、進(jìn)后的算法構(gòu)建的入侵檢測算法的平均檢出率較高，能夠有效且可靠地為云計(jì)算環(huán)境提供入侵檢測服務(wù)。
　　(4)針對粒子群優(yōu)化算法可能的早熟問題，利用DE算法對BP算法進(jìn)行改進(jìn)，提出一種基于DE算法的改進(jìn)BP檢測算法。該算法首先使用DE算法優(yōu)化BP算法的初始權(quán)值，隨后采用BP算法微調(diào)網(wǎng)絡(luò)權(quán)值。權(quán)值和偏置值在每一代中都進(jìn)行更新，以最小化均方誤差。實(shí)驗(yàn)結(jié)果表明，在合適的參數(shù)設(shè)置條件下，在優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值方面DE算法要優(yōu)于PSO算法。