隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展,近年來網(wǎng)絡(luò)攻擊頻繁發(fā)生,為了能夠有效的防御網(wǎng)絡(luò)攻擊,入侵檢測技術(shù)變得越來越重要。1980年入侵檢測技術(shù)首次提出,該技術(shù)最主要的檢測手段是基于網(wǎng)絡(luò)的入侵檢測技術(shù),這種入侵檢測技術(shù)是依據(jù)發(fā)生入侵后網(wǎng)絡(luò)數(shù)據(jù)特征發(fā)生的變化進行判定,這種入侵判定規(guī)則要求及時更新入侵特征庫,否則就會影響入侵檢測的即時性,降低入侵檢測的準確率。也就是說,這種入侵檢測只能將已經(jīng)出現(xiàn)過的網(wǎng)絡(luò)攻擊檢測出來,但是隨著網(wǎng)絡(luò)技術(shù)的發(fā)展,新的網(wǎng)絡(luò)攻擊不斷出現(xiàn),增加了入侵檢測的難度,想要準確檢測出未知的網(wǎng)絡(luò)攻擊就要引入一種新的方法與入侵檢測技術(shù)相結(jié)合,提高入侵檢測技術(shù)的自適應(yīng)性,進而提高入侵檢測的準確率。本文以人工神經(jīng)網(wǎng)絡(luò)原理作為切入口,使用HGWO算法改進BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò),最后將其應(yīng)用到入侵檢測中。本文的主要工作如下所示:（1）混合灰狼優(yōu)化算法是一種將差分進化算法應(yīng)用于灰狼優(yōu)化算法種群更新的混合算法,這種算法結(jié)合了兩種算法的優(yōu)點互補缺點,形成了一種全局和局部尋優(yōu)都有良好性能的算法,使用八種測試函數(shù)Sphere函數(shù)、Ackley函數(shù)、Griewank函數(shù)、Rastrigin函數(shù)、Rosenbr... 

【文章來源】：河北師范大學(xué)河北省

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【部分圖文】：

入侵檢測通用模型圖

9圖2.2神經(jīng)元模型圖神經(jīng)網(wǎng)絡(luò)的輸出的表達式為：t=f(∑=1+b)(2.1)其中為輸入向量，為權(quán)值，b為偏置量，f為激活函數(shù)，t為輸出。2.3.1BP神經(jīng)網(wǎng)絡(luò)BP神經(jīng)網(wǎng)絡(luò)(BackPropagationNeuralNetwork，BP神經(jīng)網(wǎng)絡(luò))是Rumel-hart和McClelland在1986年提出的人工神經(jīng)網(wǎng)絡(luò)模型[20]，它被廣泛應(yīng)于入侵檢測中。BP神經(jīng)網(wǎng)絡(luò)是一種多層神經(jīng)網(wǎng)絡(luò)，它的拓撲結(jié)構(gòu)主要包括三部分，分別為輸入層、隱含層和輸出層，其中隱含層至少有一層，層與層之間的神經(jīng)元都是全連接的結(jié)構(gòu)，除輸入層外，每一層的輸入都與前一層的輸出息息相關(guān)。BP神經(jīng)網(wǎng)絡(luò)更是一種負反饋型神經(jīng)網(wǎng)絡(luò)，它通過誤差的負反饋進行的權(quán)值調(diào)整，使其逼近非線性函數(shù)，也正是由于這樣的權(quán)值調(diào)整過程，致使BP神經(jīng)網(wǎng)絡(luò)容易陷入局部最小，并且導(dǎo)致了收斂速度慢。下面以三層結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)為例介紹BP神經(jīng)網(wǎng)絡(luò)的算法思想。三層BP神經(jīng)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)如圖2.3所示：圖2.3BP神經(jīng)網(wǎng)絡(luò)圖如圖2.3所示，輸入層神經(jīng)元輸入向量為X=[，，……，]，輸入向量有n

BP神經(jīng)網(wǎng)絡(luò)圖

【參考文獻】：
期刊論文
[1]基于GAN-PSO-ELM的網(wǎng)絡(luò)入侵檢測方法[J]. 楊彥榮,宋榮杰,周兆永.  計算機工程與應(yīng)用. 2020(12)
[2]2019年網(wǎng)絡(luò)安全漏洞態(tài)勢綜述[J]. 楊詩雨,桂暢旎,熊菲.  保密科學(xué)技術(shù). 2019(12)
[3]基于機器學(xué)習(xí)的KDD-CUP99網(wǎng)絡(luò)入侵檢測數(shù)據(jù)集的分析[J]. 余華鴻,周鳳艷,陳毛毛.  計算機工程與科學(xué). 2019(S1)
[4]基于深度卷積神經(jīng)網(wǎng)絡(luò)的入侵檢測研究[J]. 丁紅衛(wèi),萬良,周康,龍廷艷,辛壯.  計算機科學(xué). 2019(10)
[5]改進差分進化算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)用于入侵檢測[J]. 陳超,曹曉梅.  計算機應(yīng)用與軟件. 2018(04)
[6]改進后的BP神經(jīng)網(wǎng)絡(luò)在入侵檢測中的應(yīng)用[J]. 劉博文.  信息與電腦(理論版). 2017(14)
[7]海量數(shù)據(jù)環(huán)境下用于入侵檢測的深度學(xué)習(xí)方法[J]. 高妮,賀毅岳,高嶺.  計算機應(yīng)用研究. 2018(04)
[8]基于改進SVM主動學(xué)習(xí)的網(wǎng)絡(luò)入侵檢測[J]. 蘇志同,劉芳正.  計算機與數(shù)字工程. 2016(09)
[9]多層極限學(xué)習(xí)機在入侵檢測中的應(yīng)用[J]. 康松林,劉樂,劉楚楚,廖鋟.  計算機應(yīng)用. 2015(09)
[10]入侵檢測中基于SVM的兩級特征選擇方法[J]. 武小年,彭小金,楊宇洋,方堃.  通信學(xué)報. 2015(04)

博士論文
[1]基于神經(jīng)網(wǎng)絡(luò)的入侵檢測相關(guān)技術(shù)研究[D]. 謝康.山東大學(xué) 2016
[2]基于機器學(xué)習(xí)的入侵檢測和告警關(guān)聯(lián)關(guān)鍵技術(shù)研究[D]. 劉敬.北京郵電大學(xué) 2016

碩士論文
[1]基于神經(jīng)網(wǎng)絡(luò)入侵檢測技術(shù)的研究[D]. 王小敏.西安工程大學(xué) 2017
[2]基于改進PSO的RBF神經(jīng)網(wǎng)絡(luò)入侵檢測方法研究[D]. 邵洪濤.廣西大學(xué) 2012



本文編號：3408020