改进BP神经网络在入侵检测中的应用研究

摘要

随着计算机技术与网络通信以及信息产业的高速发展，网络入侵攻击的事件频繁发生，因此计算机网络安全形势也日益严峻，所以需要采取各种网络安全技术来解决问题。而入侵检测技术是网络安全的主要手段之一，它是一种主动防御的安全技术，它能实时地保护内、外网攻击和误操作，使得网络系统受到破坏之前能够及时得到响应和处理。但是传统的入侵检测技术又存在着许多不足的问题：第一、误/漏报率高，性能低；第二、实时检测攻击行为较差，且难以适应海量网络数据包。因此研究网络入侵检测是当今的研究热门，也符合我国的基本国情。
　　 本文首先介绍了入侵检测系统和BP(Back Propagation，反向传播)神经网络，研究了当前常用的网络攻击方法和入侵检测技术的分类；接着分析了入侵检测系统的模型和工作过程，BP神经网络算法的学习过程；然后分析了传统入侵检测系统存在的检测性能、检测效果的不足：检测率低，误报率高。
　　 为使得入侵检测技术能够具备实时性、自主学习性、低误/漏报率等性能，在对现存的PSO(Particle Swarm Optimization，粒子群优化)算法进行分析的基础上，得出PSO算法规则简单，收敛速度快，且有很多措施可以避免陷入局部最优，同时指出了PSO算法的局限性，提出了一种带变异算子的PSO算法：MPSO算法，改进后的算法即平衡了粒子群优化算法的全局和局部搜索能力，也有效地提高了算法跳出局部最优解的能力；为进一步提高BP神经网络学习算法的收敛速度和精度，将具有全局搜索能力的MPSO算法融合到BP神经网络中，提出MPSO-BP算法，即用MPSO算法优化BP神经网络的权值、阈值，克服BP神经网络易陷入局部极值的弊端，并用Iris分类问题分别对BP、PSO_BP、MPSO_BP三种算法进行仿真实验，实验数据表明，该算法能进一步提高BP神经网络的收敛速度和精度。
　　 在此基础上，提出基于改进BP神经网络算法(MPSO BP)的入侵检测模型：MPBIDS，该模型包括数据捕获及采集模块、数据预处理模块、改进BP神经网络模块、规则数据库模块、响应处理模块五部分。最后采用KDDCUP99数据集作为测试数据集，应用Matlab软件对该模型进行仿真实验。实验结果表明，该模型能有效提高入侵检测系统的检测率、降低误报率，具有较高的实际应用价值。

目录

文摘

英文文摘

第一章 绪论

1.1 课题的研究背景和意义

1.2 国内外研究现状

1.2.1 入侵检测系统的发展

1.2.2 入侵检测系统的国内外研究现状

1.2.3 神经网络的研究现状

1.2.4 当前研究存在的问题

1.3 本文主要研究内容以及创新点

1.4 本文的组织结构

第二章 入侵检测系统和BP神经网络

2.1 常用的网络攻击方法

2.2 入侵检测技术方法分类

2.2.1 按原始数据的来源分类

2.2.2 按检测方法分类

2.3 入侵检测模型和工作过程

2.3.1 入侵检测系统模型

2.3.2 入侵检测系统的工作模式

2.4 入侵检测技术的发展趋势研究

2.5 BP神经网络算法研究

2.5.1 多层感知器

2.5.2 BP神经网络学习算法

2.5.3 BP神经网络的工作过程

2.6 神经网络在入侵检测中的优势

2.7 本章小结

第三章 基于改进PSO算法的BP神经网络

3.1 PSO算法

3.1.1 PSO算法基本原理

3.1.2 PSO算法数学描述

3.1.3 PSO算法流程

3.1.4 PSO算法研究和发展

3.2 基于变异算子和非线性惯性权重的改进PSO算法-MPSO

3.2.1 非线性惯性权重

3.2.2 变异算子

3.2.3 早熟现象的判定与处理

3.3 MPSO算法实验结果分析

3.3.1 测试函数

3.3.2 MPSO算法参数设置

3.3.3 MPSO算法性能分析

3.4 基于MPSO算法的BP神经网络-MPSO_BP神经网络

3.4.1 MPSO_BP算法基本思想

3.4.2 MPSO_BP混合优化算法流程

3.4.3 算法的评价及分析指标

3.4.4 MPSO_BP神经网络的仿真实验

3.5 本章小结

第四章 基于MPSO_BP神经网络的入侵检测模型

4.1 模型整体设计

4.2 MPBIDS模型

4.2.1 网络数据收集

4.2.2 数据预处理流程

4.2.3 MPSO_BP神经网络模块

4.2.4 响应及报警模块

4.2.5 MPBIDS模型的扩展性

4.3 实验数据集准备

4.3.1 实验数据集介绍

4.3.2 数据集预处理

4.4 实验及结果分析

4.4.1 实验环境

4.4.2 IDS性能指标

4.4.3 性能测试

4.5 本章小结

第五章 总结与展望

5.1 全文总结

5.2 研究展望

参考文献

致谢

攻读硕士学位期间参加的科研项目

攻读硕士学位期间发表和录用的论文