BP神經(jīng)網(wǎng)絡(luò)在入侵檢測系統(tǒng)中的應(yīng)用及優(yōu)化.pdf

1、BP神經(jīng)網(wǎng)絡(luò)運(yùn)用于入侵檢測系統(tǒng)有很多優(yōu)點(diǎn)，但是也存在一些缺點(diǎn)，如執(zhí)行速度比較慢的問題等．常用的LMBP算法，雖然收斂速度很快，但是應(yīng)用于入侵檢測系統(tǒng)執(zhí)行速度仍然不能滿足要求．結(jié)合KDD99數(shù)據(jù)集，選取適當(dāng)?shù)臄?shù)據(jù)，通過加入一些限制條件，對LMBP算法進(jìn)行了優(yōu)化．通過實(shí)際計算，比較算法優(yōu)化前后的計算結(jié)果，驗證了優(yōu)化算法是有效的．優(yōu)化后的算法比較明顯的提高了BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于入侵檢測系統(tǒng)時的執(zhí)行速度，具有一定的實(shí)用價值． 本論文由彼此

2、相關(guān)而又獨(dú)立的四章所組成．第一章為序言與預(yù)備知識，簡要介紹了入侵檢測和本文所需的數(shù)學(xué)工具，BP神經(jīng)網(wǎng)絡(luò)的基本概念和發(fā)展歷史及現(xiàn)狀．在§1.1節(jié)中介紹了入侵檢測的基本概念．在§1.2節(jié)中介紹了基本的BP算法．§1.3節(jié)介紹了基本的BP算法的一些改進(jìn)方法，包括動量方法，可變學(xué)習(xí)速度算法，共軛梯度法及Levenberg--Marquardt算法．其中，重點(diǎn)介紹了Levenberg-Marquardt算法．本章是后面各章的基礎(chǔ)． 第二章

3、§2.1節(jié)介紹了本文使用用的KDD99數(shù)據(jù)集的基本情況．由于這個數(shù)據(jù)集包含的屬性較多，因此為了簡化問題，需要對這個數(shù)據(jù)集的屬性進(jìn)行約簡．§2.2節(jié)介紹了對KDD99數(shù)據(jù)集進(jìn)行屬性約簡的一種理論一粗集．§2.3節(jié)使用粗集的屬性約簡算法對KDD99數(shù)據(jù)集進(jìn)行了約簡，約簡的效果較好．說明使用粗糙集進(jìn)行屬性約簡是非常有效的． 第三章§3.1節(jié)首先介紹了BP神經(jīng)網(wǎng)絡(luò)在入侵檢測系統(tǒng)中的應(yīng)用及已經(jīng)取得的二些成果．§3.2節(jié)將本文需要使用的KD

4、D99數(shù)據(jù)集中的數(shù)據(jù)，根據(jù)上一章的結(jié)果，做了進(jìn)-步的處理，最終選定了實(shí)驗數(shù)據(jù)．§3.3節(jié)討論了網(wǎng)絡(luò)參數(shù)選擇的問題，其中比較難確定的就是隱含層的數(shù)目．最后提出了網(wǎng)絡(luò)泛化能力的問題．§3.4節(jié)根據(jù)確定的網(wǎng)絡(luò)參數(shù)，使用Matlab神經(jīng)網(wǎng)絡(luò)工具箱中提供的函數(shù)對網(wǎng)絡(luò)進(jìn)行了訓(xùn)練和測試．§3.5節(jié)提出了一個優(yōu)化算法，通過比較計算結(jié)果，可以看到優(yōu)化后的算法是有效的． 第四章對網(wǎng)絡(luò)的泛化能力進(jìn)行了討論．§4.1節(jié)中介紹了BP網(wǎng)絡(luò)過擬合時滿足的不確