基于遺傳神經(jīng)網(wǎng)絡(luò)的入侵檢測系統(tǒng)研究.pdf

1、本文主要研究了神經(jīng)網(wǎng)絡(luò)的相關(guān)理論，研究了BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程、基本算法并做出相應(yīng)改進(jìn)即將全部誤差累加求和之后集中修改權(quán)值，消除了原算法中樣本數(shù)據(jù)的順序?qū)Y(jié)果的影響。在此基礎(chǔ)上提出了一種利用遺傳算法兩次優(yōu)化改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的模型(Twice Genetic Algorithm Back Propagation，TGB)，該模型的基本思想是先用遺傳算法確定用來描述神經(jīng)網(wǎng)絡(luò)模型的參數(shù)組合，直到適應(yīng)度函數(shù)趨于穩(wěn)定，即其平均值不再有意義地增加為

2、止。遺傳算法粗選網(wǎng)絡(luò)模型后，用BP神經(jīng)網(wǎng)絡(luò)確定使誤差函數(shù)取極小值的模型參數(shù)組合，當(dāng)平均誤差不再有意義地減少時(shí)停止。之后，再一次使用遺傳算法對模型參數(shù)進(jìn)行n代的優(yōu)化，以解決可能的局部極小問題，直到誤差范圍達(dá)到令人滿意的要求或者發(fā)現(xiàn)搜索不收斂為止。之后將待測樣本作為輸入層數(shù)據(jù)，利用已經(jīng)確定的穩(wěn)定權(quán)值經(jīng)過正向傳播得到輸出結(jié)果，實(shí)現(xiàn)了模型的預(yù)測功能。
　　 本文利用KDD CUP'99數(shù)據(jù)集對系統(tǒng)進(jìn)行性能分析。為了簡化神經(jīng)網(wǎng)絡(luò)規(guī)模、提高

3、系統(tǒng)實(shí)時(shí)性，提出了一種新的降維方法即特征選提法，該方法根據(jù)具體數(shù)據(jù)先用特征選擇方法粗選降維，去除影響小的特征和冗余，在此基礎(chǔ)上，再利用特征提取方法中的主成分分析法將降維后的特征集進(jìn)行映射處理，得到新的數(shù)據(jù)特征，新的特征中即包含了原有全體特征的主要信息又使得數(shù)據(jù)維數(shù)明顯減少，且各主成分間相互獨(dú)立，提高系統(tǒng)實(shí)時(shí)性的同時(shí)也提高了系統(tǒng)的準(zhǔn)確性。
　　 本文將TGB與基于特征選提降維兩種算法結(jié)合起來，用于入侵檢測，得到基于改進(jìn)的遺傳神經(jīng)網(wǎng)