基于進化神經(jīng)網(wǎng)絡的入侵檢測模型研究.pdf

1、目前多數(shù)入侵檢測系統(tǒng)存在檢測率較低、誤報率較高，整體性能較低的問題。針對上述問題，探討了入侵檢測系統(tǒng)、神經(jīng)網(wǎng)絡、遺傳算法的基本概念及國內(nèi)外研究現(xiàn)狀；在深入分析相關理論、技術和方法的基礎上，基于智能互補的觀點，提出了改進的進化神經(jīng)網(wǎng)絡算法，并將其應用于入侵檢測系統(tǒng)，以提高該系統(tǒng)檢測的整體性能。
　　 本研究改進的進化神經(jīng)網(wǎng)絡算法的核心是利用改進的自適應遺傳算法來訓練BP神經(jīng)網(wǎng)絡，具體使用一種改進的交叉概率和變異概率，并在交叉操作后

2、引入模擬退火機制，以提高算法的收斂速度和局部搜索能力。將該算法應用于入侵檢測，建立了一個基于進化神經(jīng)網(wǎng)絡的入侵檢測模型。為驗證該模型，構建了MATLAB仿真實驗平臺；采用預處理過的KDD'99數(shù)據(jù)源，分別運用BP算法、簡單遺傳算法以及改進的自適應遺傳算法訓練BP神經(jīng)網(wǎng)絡；將訓練好的網(wǎng)絡應用到該模型中并進行入侵檢測仿真實驗。實驗結(jié)果表明，將改進的自適應遺傳算法訓練的神經(jīng)網(wǎng)絡應用于異常入侵檢測，可達到檢測率0.9876和誤報率0.0115的