版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、隨著計算機網(wǎng)絡(luò)技術(shù)的發(fā)展和網(wǎng)絡(luò)系統(tǒng)的膨脹,敏感數(shù)據(jù)正面臨著被黑客攻擊的威脅。入侵檢測是企圖入侵,正在進行的入侵或已經(jīng)發(fā)生的入侵進行識別的過程,是一種主動的網(wǎng)絡(luò)安全防御措施。入侵檢測作為網(wǎng)絡(luò)安全研究的重要內(nèi)容,已經(jīng)引起了國內(nèi)外學(xué)者的廣泛關(guān)注。目前入侵檢測方法檢測率較低,誤報率和漏報率較高以及實時性較差等缺點,需要大量或完備的數(shù)據(jù)才能達到比較理想的檢測性能。 本文分析了在新的網(wǎng)絡(luò)環(huán)境中傳統(tǒng)入侵檢測方法面臨的困境,并針對目前入侵檢測中
2、所存在的問題,提出了一種新的檢測模型——基于群體智能算法的神經(jīng)網(wǎng)絡(luò)模型。 首先,本文闡述了入侵檢測的概念,特點,分類,研究內(nèi)容及傳統(tǒng)入侵檢測面臨的困境;接著介紹了神經(jīng)網(wǎng)絡(luò)的基本原理和粒子群優(yōu)化(ParticleSwarmOptimization,PSO)算法以及具有量子行為粒子群算法(Quantum-behavedParticleSwarmOptimization,QPSO)的基本思想,強調(diào)了QPSO在全局優(yōu)化問題中比PSO算法
3、具有更好的收斂性能。本文進一步闡述了神經(jīng)網(wǎng)絡(luò)的概念,特點,結(jié)構(gòu),并介紹了小波神經(jīng)網(wǎng)絡(luò)的算法,分類等。接著以小波神經(jīng)網(wǎng)絡(luò)(WNN)為對象,應(yīng)用QPSO算法作為訓(xùn)練算法,給出了具體的操作過程。 接著,本文將QPSO優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)用于網(wǎng)絡(luò)異常檢測。為了測試性能,分別將遺傳算法(GeneticAlgorithm,簡稱GA),PSO算法以及QPSO算法分別訓(xùn)練小波神經(jīng)網(wǎng)絡(luò),通過智能算法對操作變量的優(yōu)化,在進行異常檢測的過程中,盡量提高
4、異常檢測率,降低誤判率。采用KDD99數(shù)據(jù)集進行的實驗證明,基于QPSO的小波神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)入侵檢測算法,有效的提高了檢測率,同時具有較低的誤判率。 最后,本文提出一種改進的QPSO算法,并將它用來優(yōu)化小波模糊神經(jīng)網(wǎng)絡(luò),建立的模型在KDD99數(shù)據(jù)集上進行實驗證明,該模型是有效的。 本文的研究工作表明,用QPSO算法及改進的QPSO算法訓(xùn)練神經(jīng)網(wǎng)絡(luò),其性能優(yōu)于其他智能算法如:PSO算法和遺傳算法,收斂速度也比PSO算法或G
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于NetFlow的網(wǎng)絡(luò)流量異常檢測技術(shù)研究.pdf
- 基于統(tǒng)計的網(wǎng)絡(luò)流量異常檢測技術(shù)研究.pdf
- 基于智能算法的網(wǎng)絡(luò)入侵檢測技術(shù)研究.pdf
- 微波神經(jīng)網(wǎng)絡(luò)技術(shù)研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量識別算法研究.pdf
- Ad Hoc無線自組織網(wǎng)網(wǎng)絡(luò)流量的研究——群體智能算法在Ad Hoc網(wǎng)絡(luò)流量異常檢測中的應(yīng)用.pdf
- 網(wǎng)絡(luò)安全檢測關(guān)鍵技術(shù)研究——基于數(shù)據(jù)挖掘技術(shù)的網(wǎng)絡(luò)異常檢測方法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢評估與預(yù)測技術(shù)研究.pdf
- 大規(guī)模網(wǎng)絡(luò)流量異常預(yù)警技術(shù)研究.pdf
- 基于群體智能算法的人工神經(jīng)網(wǎng)絡(luò)優(yōu)化及其應(yīng)用.pdf
- 基于分形的網(wǎng)絡(luò)流量分析及異常檢測技術(shù)研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的改進網(wǎng)絡(luò)流量預(yù)測算法的研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的僵尸網(wǎng)絡(luò)檢測技術(shù)研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測研究.pdf
- 網(wǎng)絡(luò)流量預(yù)測技術(shù)研究.pdf
- 基于網(wǎng)絡(luò)流量的P2P僵尸網(wǎng)絡(luò)實時檢測技術(shù)研究.pdf
- 基于Spark技術(shù)的實時網(wǎng)絡(luò)流量異常檢測研究.pdf
- 基于灰色神經(jīng)網(wǎng)絡(luò)模型的網(wǎng)絡(luò)流量預(yù)測算法研究.pdf
- 基于遺傳算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測模型研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的指揮自動化網(wǎng)絡(luò)安全關(guān)鍵技術(shù)研究.pdf
評論
0/150
提交評論