基于BP神經網絡的入侵檢測技術的研究.pdf

1、隨著計算機技術的迅速發(fā)展及網絡的廣泛應用，網絡攻擊事件頻繁發(fā)生，并且入侵的手段層出不窮，使得防火墻越來越難以單獨地保障網絡安全。因此，在增強網絡的安全性方面，許多組織和專家都傾向于更強有力的主動安全防護策略，其中，入侵檢測技術作為一種有效的解決途徑，已成為了一個研究的焦點。
　　本文首先對入侵檢測技術及其發(fā)展趨勢進行了相關介紹。分析和總結了傳統(tǒng)的入侵檢測技術所存在的一些缺陷，比如誤報率、漏報率高，對未知攻擊的識別能力差，實時檢測攻

2、擊的能力低等。近些年，人工神經網絡技術開始運用到了入侵檢測領域，為入侵檢測技術開辟了新的研究途徑。因此，本文引入了人工神經網絡的相關理論，并重點研究了在神經網絡領域被廣泛使用的BP神經網絡(Back Propagation Neural Network)。
　　本文首先詳細論述了BP神經網絡的工作原理、基本思想及算法的推導過程，同時對其所存在的問題和幾種目前較常使用的改進方法進行了分析和介紹。然后，針對入侵檢測，本文在自適應學習率

3、法的基礎上進行了改進，提出了一種新的改進算法：每次迭代時，根據誤差和局部梯度兩者的變化信息，采用不同的學習率分別對各個節(jié)點之間的連接權重和閾值進行調整，使權值的修改更有針對性。同時，也引入了帶有可調因子的轉移函數(shù)，克服BP網絡在誤差平坦區(qū)收斂速度慢的缺點，以提高 BP網絡在入侵檢測中的檢測能力和收斂速度。
　　最后，本文采用KDDCUP99數(shù)據集中的部分數(shù)據在Matlab7.0下對本文所提出的改進算法、自適應學習率法和標準BP算法