基于实数编码遗传神经网络的入侵检测方法研究

摘要

随着科技进步和计算机网络技术的发展，网络时代来临了，它的到来彻底改变了人们的生活方式，越来越多的人融入到了网络，享受着网络带给人们的种种便利。但同时随着互联网规模的迅速扩大，安全问题已经成为一个互联网发展中无法回避的核心问题。 传统的网络安全模型己经不能适应网络技术的发展，PPDR模型应运而生。入侵检测作为PPDR模型的重要组成部分，是对防火墙、数据加密等安全保护措施的有效补充，能够识别针对计算机和网络资源的恶意企图和行为，并做出及时响应。入侵检测分析技术是入侵检测系统的核心，主要可分为异常入侵检测和误用入侵检测。 针对入侵检测系统中存在的高漏报率、误报率问题，本文提出一种基于实数编码遗传神经网络的分类检测器同步检测模型，该模型基于异常入侵检测；同时提出数据预处理过程中样本精简的方法，该方法能够有效压缩样本数据；最后，我们利用实数编码遗传算法的强全局搜索能力和BP网络局部精确搜索的特性，将实数编码遗传算法和：BP算法有机结合，利用遗传算法优化网络初始权重，使训练好的网络作为一个分类检测器能更有效地检测入侵。实数编码遗传算法与BP算法的有机结合可以克服BP算法收敛速度慢、易陷入局部极小点等缺陷，同时也省去了二进制编码遗传算法在进化过程中的个体编码、解码操作。研究表明，该方法效果良好，学习速度快，分类准确率高。

目录

文摘

英文文摘

声明

第1章绪论

1.1课题来源

1.2研究目的和意义

1.2.1研究的目的

1.2.2研究的意义

1.3网络安全概述

1.3.1典型的网络“威胁”

1.3.2现有网络安全机制和服务

1.3.3 PPDR安全模型

1.3.4国内外网络安全主要产品

1.4本文研究的主要内容

第2章入侵检测概述

2.1入侵检测发展状况

2.2入侵检测分类

2.3通用入侵检测模型

2.3.1 Denning的通用入侵检测系统模型

2.3.2 CIDF——通用入侵检测系统模型

2.4入侵检测技术的发展趋势

2.5当前存在的问题

2.6本章小结

第3章神经网络和遗传算法

3.1人工神经网络

3.1.1 BP(Back Propagation)神经网络

3.1.2 BP算法

3.1.3 BP神经网络在入侵检测中的应用

3.2遗传算法

3.2.1遗传算法基本思想

3.2.2遗传算法的改进

3.3遗传算法优化神经网络

3.4遗传神经网络应用于入侵检测的原因

3.5本章小结

第4章基于实数编码的遗传神经网络方法

4.1实数编码遗传算法

4.1.1编码方式

4.1.2适应度函数

4.1.3遗传算子设计

4.2面向神经网络权重学习

4.3遗传算法结合神经网络

4.4运行参数的确定

4.5本章小结

第5章构造实数编码遗传神经网络的分类检测器

5.1系统总体结构

5.2分类检测器同步检测模型

5.3同步检测的算法描述

5.4本章小结

第6章数据预处理

6.1数据来源

6.2 KDDCUP99数据

6.3存在的问题

6.4数据预处理

6.5矩阵理论应用于样本精简

6.6二次处理

6.6.1采用的数据存储结构

6.6.2数据二次处理

6.6.3归一化精度对样本的影响

6.7本章小结

第7章仿真实验

7.1学习样本和测试样本

7.2实验结果及其分析

7.3本章小结

结论

参考文献

攻读学位期间发表的学术论文

致谢