基于改进自组织特征映射的网络入侵检测.pdf

《基于改进自组织特征映射的网络入侵检测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于改进自组织特征映射的网络入侵检测钱景辉。等基于改进自组织特征映射的网络入侵检测NetworkIntrusionDetectionBasedontheImprovedSOMAlgorithm铰墨耨成伟李若雨(南京工业大学电子与信息工程学院，江苏南京211816)摘要：针对如何提高网络入侵检测率并进行正确分类的问题，提出了一种改进的自组织特征映射(SOM)网络算法。该算法通过对竞争机制的自适应调整来减少过度学习，并采用灰关系分析的动态权值机制降低邻域神经元中杂质的影响。KDDCUP99数据集的试验结果表明该方法具有更高的准确率。关键词：自组织特

2、征映射神经网络自适应竞争机制灰关系入侵检测中图分类号：TP393文献标志码：ADOI：10．16086／j．cnki．issnl000—0380．201510017Abstract：Forenhancingnetworkintrusiondetectionrateandimplementingcorrectclassification-theimprovedself-organlzingmap(SOM)algorithmisproposed．Withthisalgorithm。excessivelearningisdecreasedthroug

3、hadaptiveadjustmentofcompetitivemechanism-andtheinfluenceofimpuritiesinneighborhoodneul'onsisreducedbydynamicweightsmechanismofgreyrelationanalysis．TheresultoftestbasedonKDDCUP99datasetshowsthatthismethodfeatureshigheraccuracy．Keywords：Self-organizingmap(SOM)NeuralnetworkAda

4、ptivecompetitivemechanismGreyrelationIntrusiondetection0引言随着信息技术的发展，网络安全问题越来越受到人们的关注。传统的网络安全防范主要是使用控制技术和防火墙来抵御网络入侵。尽管这些被动的防御技术在内网和外网之间提供了一定的安全保障，但它们无法有效解决内部用户滥用权力、自身存在的设计缺陷等问题。入侵检测作为一种主动防御技术，它根据网络或者计算机系统中所采集的特征信息的分析，判断是否存在非法行为，不仅可以应付外来的入侵，也可以检测出内部的攻击行为。目前，常见的入侵检测方式有专家系统、统计分析

5、、神经网络和计算机免疫学这四种方法。本文的入侵检测采用的是有监督的自组织特征映射(self．organizingmap，SOM)神经网络，对传统“胜者全得”的竞争机制进行了自适应调整，防止由于某一类样本过多导致的过度学习现象H。。同时，采用灰关系系数来动态更新权值的方法旧1，进一步去除邻域中的杂质，提高网络的精确度。江苏省高校自然科学基金资助项目(编号：12KJB510007)。修改稿收到日期：2014—1t一02。第一作者钱景辉(1978一)，男，2003年毕业于新加坡国立大学计算机科学与技术专业．获硕士学位，讲师；主要从事计算机控制与智能算

6、法等方面的研究。1自组织特征映射网络1．1SOM网络基本结构自组织特征映射网络’3。。是芬兰赫尔辛基大学教授TeuvoKohoen提出的一种通过自组织特征映射调整权值，从而收敛于一种表示形态的自组织竞争神经网络，又称为Kohoen网络。该网络结构通常为包含输入层和竞争层两层的前馈神经网络，在有监督的学习中，还会额外包含一个输出层。其中输入层的神经元个数与输入样本的维数J7、r一致，竞争层则包含有M个神经元，这些神经元往往位于二维矩阵或者六边形网格中”。61。有监督的SOM网络拓扑结构如图1所示。输出层竞争层图1有监督的SOM网络拓扑结构Fig．

7、1SupervisedSOMnetworktopologicalstructure竞争层中的每个神经元都与输入层的神经元相连，连接权值的维数都与输入层神经元数量相同，即权值w。=(W∽W。，⋯，W。。)(i=1，2，3，⋯，m)。初始化的连接权值往往是根据权值范围随机赋予的。当进行68PROCESSAUTOMATIONINSTRUMENTATIONVoL36No．10October2015基于改进自组织特征映射的网络入侵检测钱景辉。等学习时，首先需要计算输入向量X=(z。，戈：，⋯，戈Ⅳ)与竞争层神经元之i问的欧氏距离d。，它可以表示为：Ⅳd。

8、=【互(戈。，一Wij)2r江1，2，⋯，M(1)SOM网络采用“胜者全得”的竞争机制，即根据与输入向量欧式距离最小的神经元来调整权值。该神经元被称为