基于改进蚁群算法的BP神经网络优化的研究与应用

摘要

随着Internet的不断发展，网络入侵也日趋复杂和频繁，传统的安全防护手段已经不能满足用户对网络安全的要求。并且，被普遍认为能有效防御的防火墙，也存在着很多缺点，不足以应对日益严重的网络危机。因此，实时的入侵检测系统被提出，成为了防火墙的有效补充。只有将各种不同的网络基础设备与先进的网络安全防御技术有效的结合，才能成功的应对复杂的混合型威胁。
　　针对网络中不断出现的新的入侵，本文提出了误用检测和异常检测相结合的检测准确率高的入侵检测系统。异常检测采用神经网络模块，其本身高度的自学习和自适应能力能够根据训练样本中已有的入侵检测实例准确的识别出入侵行为，并且能够对入侵行为的新特征进行识别和总结。对于BP神经网路的收敛速度慢和易陷入局部最小点的问题，采用了改进的蚁群算法进行有效的改进。通过蚁群算法的全局搜索能力，可以对BP神经网络的权值和阈值进行一定程度上的压缩。神经网络模块采用了对不同协议数据包分别处理的机制。本文主要针对于传输层的主要协议TCP和UDP协议进行了模型设计，根据这两种协议的不同网络入侵特征信息设计出TCP神经网络和UDP神经网络，更有针对性的提高检测效率。
　　本文从当前用户对网络安全的要求和入侵检测的发展方向入手，确定了课题的研究方向和论文组织结构。对于本文提出的新的系统模型进行了简单介绍;详细分析了数据包捕获模块、协议解析模块、预处理模块、规则匹配模块、改进BP神经网络模块和响应模块六大模块的功能;详细分析了异常检测模块中BP神经网络的结构和不足。针对于BP神经网路收敛速度慢，易陷入局部最小点等缺陷，提出了用全局搜索能力好的蚁群算法。本文在基于改进方案中的全局和局部更新信息素相结合的策略中对于全局更新公式进行了进一步优化，并且把这种全局和局部更新信息素方案应用到BP神经网络中，仿真实验表明这种方案检测效率得到提高。有针对性的对TCP和UDP神经网络进行了测试，结果显示这种有针对性的网络检测有较高的正确率。

目录

声明

摘要

第1章 绪论

1．1 计算机网络安全及现状

1．1．1 计算机网络安全概述

1．1．2 计算机网络安全的现状

1．2 BP神经网络的作用和意义

1．2．1 常用网络安全技术及其不足

1．2．2 BP神经网络对网络安全的作用和意义

1．3 本文研究的内容

1．4 本文组织结构

第2章 BP神经网络研究

2．1 BP神经网络结构

2．2 BP神经网络算法思想

2．3 BP神经网络算法的程序实现

2．4 BP神经网络性能分析

2．4．1 BP神经网络的不足

2．4．2 BP神经网络算法的改进

2．5 本章小结

第3章 蚁群算法的改进

3．1 蚁群算法原理

3．2 蚁群算法的数学模型

3．3 蚁群算法的流程

3．4 蚁群算法的不足

3．5 改进的蚁群算法研究

3．5．1 改进蚁群算法思想

3．5．2 改进蚁群算法步骤

3．5．3 改进蚁群算法时间复杂度分析

3．6 改进蚁群算法仿真测试

3．6．1 仿真工具Matlab

3．6．2 改进信息素更新策略仿真

3．6．3 全局更新策略中增加函数μ(t)的仿真

3．7 本章小结

第4章 用改进蚁群算法优化BP神经网络

4．1 用改进蚁群算法优化BP神经网络的思想

4．2 采用新的信息素更新策略优化BP神经网络

4．2．1 局部更新信息素

4．2．2 全局动态更新信息素

4．3 优化的BP神经网络算法流程

4．4 优化的BP神经网络算法仿真测试

4．4．1 Matlab下的神经网络工具箱

4．4．2 优化的BP神经网络仿真样本数据

4．4．4 优化的BP神经网络仿真

4．5 本章小结

第5章 优化的BP神经网络在入侵检测系统中的应用

5．1 入侵检测系统

5．1．1 入侵检测系统的概述

5．1．2 入侵检测系统的总体设计

5．2 数据包捕获模块设计

5．3 协议解析模块设计

5．4 预处理模块设计

5．5 规则匹配模块设计

5．6 改进BP神经网络模块设计

5．6．1 输入预处理模块设计

5．6．2 BP神经网络结构设计

5．7 响应模块设计

5．8 BP神经网络模块检测入侵仿真

5．9 本章小结

第6章 结论与展望

6．1 本文工作总结

6．2 下一步工作展望

参考文献

致谢

攻读硕士学位期间发表的论文