《导师孙名松教授》ppt课件

《《导师孙名松教授》ppt课件》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、导师：孙名松教授学生：周梦熊基于实数编码遗传神经网络的入侵检测方法研究目录课题背景遗传神经网络分类检测器同步检测模型数据预处理仿真实验结束语和展望发表论文选题来源本论文的项目背景是黑龙江省自然科学基金项目《基于多层前向神经网络的分布式入侵检测模型》，本文作为该项目的一个组成部分，将实数编码遗传算法与神经网络结合作为其中一个分布式Agent的检测算法。课题背景论文主要内容比较分析入侵检测方法，将实数编码的遗传算法优化BP神经网络初始权重应用于入侵检测；为了提高入侵检测系统的检测效率和实时性，提出分类检测器同步

2、检测模型；课题背景论文主要内容数据预处理，即把经过数据挖掘后的样本数据进行归一化处理；二次处理，即对数据预处理后的数据进行深度处理，从而对样本数据进行有效性的压缩；仿真实验，得出结论。课题背景目录课题背景遗传神经网络分类检测器同步检测模型数据预处理仿真实验结束语和展望发表论文实数编码遗传算法遗传算法的主要特点是群体搜索策略和群体中个体之间的信息交换，搜索不依赖梯度信息，也不需要求解函数可微，只需要该函数在约束条件下可解，因此该方法适用于处理传统方法难以解决的复杂和非线性问题。目前，遗传算法经常采用二进制编码

3、，这有它自身的优点，如它能使交叉和变异操作容易实现，虽然采用二进制编码时算法处理的模式数最多，但在处理优化遗传神经网络实数编码遗传算法问题时，会出现一些问题：“由于相邻整数的二进制编码结构可能出现很大的差异，这样会降低遗传算子的搜索效率，而且如果设计变量的精度很高，串长就很大，这样也降低了算法的效率，并且在进化过程中还要不停地进行编码和解码操作，计算时间比较长，所以在求解高维优化时，算法的搜索效率就更低了”。遗传神经网络实数编码遗传算法而基于实数编码的遗传算法不存在编码和解码过程，能够大大提高解的精度和运算

4、速度，因此，基于实数编码的遗传算法得到了越来越多的重视。遗传神经网络编码方式由于实数编码的遗传算法不存在编码和解码过程，能够大大提高解的精度和运算速度，因此，本文采用实数编码。遗传神经网络适应度函数所谓的适应度函数就是评价函数，将染色体上表示的各个权值分配到给定的网络结构中，网络以训练集样本为输入输出，运行后返回误差平方和的倒数作为染色体的适应度函数，如式(2-1)所示。遗传神经网络(2-1)遗传算子设计选择算子采用适应度比例方法，计算每个个体的适应度值并将其排序，每个个体的选择概率和其适应度值成正比例。即

5、适应度值越大，它被选择到的机会也就越大，从而被遗传到下一代的可能性也越大。设群体大小为n，个体i的适应度值为fi，则被选择的概率为Psi，如式(2-2)所示遗传神经网络(2-2)遗传算子设计交叉算子这里设计为具有数值特点的向量线性组合。如有两个个体Sa与Sb交叉，则产生的子代个体如式(2-3)、(2-4)所示。其中，λ的取值在(0，1)。遗传神经网络(2-3)(2-4)遗传算子设计变异算子对于子代染色体中的每个权值输入位置，变异算子以概率Pm在初始概率分布中随机选择一个值，然后与该输入位置上的权值相加。遗传

6、神经网络遗传算子设计λ取值为0.5时进行交叉算子运算，如图2-1中交叉部分所示，两个个体经过交叉后生成两个新个体；变异算子运算如图2-1中变异部分所示；粗体斜体部分表示交叉或变异的位置遗传神经网络遗传算子设计遗传神经网络图2-1交叉和变异算子的运算面向神经网络权重学习神经网络的权值按一定的顺序级联为一个长串，串上的每一个位置对应着网络的一个权值。遗传神经网络1.4-1.83.64.51.70.9-0.3-0.71.3图2-2神经网络权值编码面向神经网络权重学习如图2-2所示，神经网络编码为：（1.4,-1.

7、8,3.6,1.7,0.9,-0.7,4.5,-0.3,1.3）遗传神经网络目录课题背景遗传神经网络分类检测器同步检测模型数据预处理仿真实验结束语和展望发表论文系统总体结构分类检测器同步检测模型传送警报检测到攻击数据采集模块(事件产生器)响应模块(事件响应器)预处理模块数据库模块(事件数据库)检测引擎模块(事件分析器）网络数据流图3-1系统结构图分类检测器同步检测模型分类检测器同步检测模型图3-2分类检测器同步检测模型检测器D检测器A输入输出检测器B检测器C状态监视本文将“检测引擎模块”进行细化设计后提出“

8、分类检测器同步检测”的模型，同步检测模型如图3-2所示。同步检测算法描述分类检测器同步检测模型检测器调度算法采用多线程实现，由于涉及到线程同步问题，自然会想到同步锁，线程间优先权设置我们采用如下方法：即四大类攻击中按样本数所占比例大小进行优先权的设置，所占比例越大，优先权就越大，这样，最后，优先权从高到低设置为“DOS、PROBE、R2L、U2R”。同步检测算法描述分类检测器同步检测模型算法描述分别为每个检测器开