【精品论文】进化神经网络在入侵检测中的应用研究[专业：计算机科学与技术]

《【精品论文】进化神经网络在入侵检测中的应用研究[专业：计算机科学与技术]》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、知识水坝论文西安电子科技大学硕士学位论文进化神经网络在入侵检测中的应用研究姓名：李淑慧申请学位级别：硕士专业：计算机科学与技术指导教师：徐学洲;马力20051001知识水坝论文摘要摘要随着计算机网络和信息技术的快速发展，计算机网络安全也随之成为一个重要问题。入侵检测技术作为一种主动安全防护技术，它是传统安全技术如防火墙的合理补充，是当前计算机网络安全理论研究的一个热点。本文经过分析和研究现有的检测技术和入侵检测系统存在的不足，基于智能互补的观点，提出了改进的进化神经网络算法，其处理思想是采用双种群的进化规

2、则，同时完成对权值和结构的进化。该算法核心就是用改进的遗传算法来优化BP神经网络，具体选用混合交叉算子(BLX_α)作交叉算子、按自适应个体变异率用三子代变异操作算子来改善算法的性能，其特点是加快算法的收敛速度，在一定程度上克服了BP算法陷入局部最小点的不足。另外，本文还将该算法应用于入侵检测领域中，建立了一个基于改进的进化神经网络的入侵检测系统模型，并用KDDCUP99数据测试了该模型中的改进的进化神经网络分类器引擎，与基于BP神经网络和传统的进化神经网络等相比得到了较高的检测率。关键词：入侵检测神经网

3、络遗传算法进化神经网络改进的进化神经网络ABSTRACTABSTRACTWiththedevelopmentofinternetandinformationtechnique,networksecuritybecomesanimportantproblem.Asakindofinitiativesecuritydefendtechnique,intrusiondetectedtechnologyisreasonablesupplementfortraditionalsecuritytechnique,at

4、thesametime,intrusiondetectedtechnologyisahotspotfornetworksecurityresearch.TheadvantagesanddisadvantagesoftheexistingIDSareanalyzedinthispaper.Inordertosolvetheirproblem,totheviewpointofintelligentcomplementaryfusion,animprovedevolutionaryneuralnetworkal

5、gorithmisbroughtforward.Thealgorithmcanevolveneuralnetworkarchitecturesandweightssimultaneouslyusingtheevolutionalruleofbi-population.TheimprovedevolutionaryneuralnetworkalgorithmisusedtoevolveBPneuralnetworkbytheimprovedgeneticoperator.Inthismethod,arith

6、meticoperatorsofblendcrossoveroperators()BLX_αandthreedescendanceself-adaptivemutateratioofindividualareusedintheGeneticAlgorithm,whichcanresolvetheshortageofexistingleastpartpointofBPneuralnetwork.Theperformanceandconvergentprecisionoftheimprovedevolutio

7、naryneuralnetworkalgorithmisimprovedgreatly.Wealsomakeastudyoftheapplicationofthealgorithminintrusiondetection,andestablishanintrusiondetectedsystemmodelbasedonimprovedevolutionaryneuralnetwork.Finally,weuseKDDCUP99datasettotestassortingmachinemodelofevol

8、utionalneuralnetworkinthismodel.ExperimentresultshowsthatthemethodgainsmorehigherdetectedratiothanthemethodbasedonBPneuralnetworkandthetraditionalevolutionaryneuralnetwork.Keywords：IntrusionDetectionNeuralNetworkGen