基于實數編碼遺傳神經網絡的入侵檢測方法研究.pdf

1、隨著科技進步和計算機網絡技術的發(fā)展，網絡時代來臨了，它的到來徹底改變了人們的生活方式，越來越多的人融入到了網絡，享受著網絡帶給人們的種種便利。但同時隨著互聯(lián)網規(guī)模的迅速擴大，安全問題已經成為一個互聯(lián)網發(fā)展中無法回避的核心問題。 傳統(tǒng)的網絡安全模型己經不能適應網絡技術的發(fā)展，PPDR模型應運而生。入侵檢測作為PPDR模型的重要組成部分，是對防火墻、數據加密等安全保護措施的有效補充，能夠識別針對計算機和網絡資源的惡意企圖和行為，并做

2、出及時響應。入侵檢測分析技術是入侵檢測系統(tǒng)的核心，主要可分為異常入侵檢測和誤用入侵檢測。 針對入侵檢測系統(tǒng)中存在的高漏報率、誤報率問題，本文提出一種基于實數編碼遺傳神經網絡的分類檢測器同步檢測模型，該模型基于異常入侵檢測；同時提出數據預處理過程中樣本精簡的方法，該方法能夠有效壓縮樣本數據；最后，我們利用實數編碼遺傳算法的強全局搜索能力和BP網絡局部精確搜索的特性，將實數編碼遺傳算法和：BP算法有機結合，利用遺傳算法優(yōu)化網絡初始權