本文關(guān)鍵詞：云環(huán)境下基于改進(jìn)BP算法的入侵檢測方法研究

  更多相關(guān)文章： 云入侵檢測 內(nèi)核虛擬機(jī) BP算法 粒子群算法 差分進(jìn)化算法

【摘要】：虛擬化是云計(jì)算底層實(shí)現(xiàn)中的核心部分,能夠?qū)崿F(xiàn)云平臺計(jì)算資源的高效利用。云計(jì)算的開放性則使得虛擬化環(huán)境面臨著眾多的安全威脅。傳統(tǒng)的入侵檢測技術(shù)的檢測效率較低,并且難以兼容于虛擬化環(huán)境的網(wǎng)絡(luò)結(jié)構(gòu)。因此,如何實(shí)現(xiàn)虛擬化中不同網(wǎng)絡(luò)架構(gòu)下的入侵檢測方法的研究對云計(jì)算應(yīng)用的發(fā)展有重要的意義。針對現(xiàn)有云入侵檢測系統(tǒng)對不同虛擬網(wǎng)絡(luò)模型的兼容性較低、檢測精度較低等問題,本文對云環(huán)境下的入侵檢測方法開展了比較深入的研究,提出了兩種基于群智能算法(PSO算法和DE算法)的改進(jìn)BP檢測算法。論文的主要研究工作如下：(1)深入研究不同虛擬化網(wǎng)絡(luò)架構(gòu)下的相應(yīng)檢測策略,總結(jié)了各類方法的技術(shù)特點(diǎn),分析現(xiàn)有虛擬化檢測技術(shù)和方法的不足。(2)針對現(xiàn)有方法存在的問題,在深入研究KVM網(wǎng)絡(luò)模型的基礎(chǔ)上,提出一種云環(huán)境下基于改進(jìn)BP算法的入侵檢測模型(MBPCIDM)。該模型能夠使用NAT+網(wǎng)橋模式實(shí)現(xiàn)KVM用戶模式下的抓包、解析包、提取特征、檢測特征集、響應(yīng)入侵行為等模塊,兼容了KVM虛擬化環(huán)境中的不同網(wǎng)絡(luò)模式,能夠?yàn)樵骗h(huán)境提供入侵檢測服務(wù)。(3)在深入分析虛擬化網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上,針對BP算法易于陷入局部極小的問題,提出一種基于PSO算法的改進(jìn)BP檢測算法—MLPSO-BP。MLPSO-BP結(jié)合了粒子群優(yōu)化算法的全局尋優(yōu)能力和反向傳播算法的梯度下降等特點(diǎn),將粒子群優(yōu)化算法引入到神經(jīng)網(wǎng)絡(luò)的初始權(quán)值的優(yōu)化中,利用動(dòng)量項(xiàng)與LR方法,在加速BP算法收斂的同時(shí),防止其保持本地最優(yōu)。實(shí)驗(yàn)結(jié)果表明,利用改進(jìn)后的算法構(gòu)建的入侵檢測算法的平均檢出率較高,能夠有效且可靠地為云計(jì)算環(huán)境提供入侵檢測服務(wù)。(4)針對粒子群優(yōu)化算法可能的早熟問題,利用DE算法對BP算法進(jìn)行改進(jìn),提出一種基于DE算法的改進(jìn)BP檢測算法。該算法首先使用DE算法優(yōu)化BP算法的初始權(quán)值,隨后采用BP算法微調(diào)網(wǎng)絡(luò)權(quán)值。權(quán)值和偏置值在每一代中都進(jìn)行更新,以最小化均方誤差。實(shí)驗(yàn)結(jié)果表明,在合適的參數(shù)設(shè)置條件下,在優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值方面DE算法要優(yōu)于PSO算法。本文的研究是對云計(jì)算虛擬化中的不同網(wǎng)絡(luò)模式下的入侵檢測技術(shù)和方法的一次有益嘗試,論文的研究工作和成果對于云計(jì)算虛擬化環(huán)境的安全具有一定的科學(xué)意義和研究價(jià)值。
【關(guān)鍵詞】：云入侵檢測 內(nèi)核虛擬機(jī) BP算法 粒子群算法 差分進(jìn)化算法
【學(xué)位授予單位】：廣西大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP393.08
【目錄】：

• 摘要4-6
• ABSTRACT6-11
• 第一章 緒論11-17
• 1.1 研究背景11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-15
• 1.2.1 云計(jì)算技術(shù)中的虛擬化網(wǎng)絡(luò)環(huán)境安全研究12-14
• 1.2.2 云計(jì)算中虛擬化入侵檢測策略研究14
• 1.2.3 BP入侵檢測模型與優(yōu)化方法研究14-15
• 1.3 主要研究內(nèi)容15-16
• 1.4 文章組織結(jié)構(gòu)16-17
• 第二章 云計(jì)算虛擬化與入侵檢測相關(guān)技術(shù)綜述17-31
• 2.1 虛擬化技術(shù)介紹17-19
• 2.1.1 虛擬化定義17
• 2.1.2 當(dāng)前主流虛擬化技術(shù)17-19
• 2.2 虛擬化入侵檢測技術(shù)介紹19-20
• 2.2.1 入侵檢測分類與檢測步驟19-20
• 2.2.2 入侵檢測主要步驟20
• 2.3 BP神經(jīng)網(wǎng)絡(luò)及其優(yōu)化算法20-24
• 2.3.1 BP神經(jīng)網(wǎng)絡(luò)20-22
• 2.3.2 PSO算法22
• 2.3.3 差分進(jìn)化算法22-24
• 2.4 云計(jì)算入侵檢測分類總結(jié)24-26
• 2.5 KVM虛擬化網(wǎng)絡(luò)模型及檢測策略26-30
• 2.6 本章小結(jié)30-31
• 第三章 基于PSO的改進(jìn)BP入侵檢測算法研究31-42
• 3.1 引言31
• 3.2 虛擬化入侵檢測系統(tǒng)設(shè)計(jì)31-32
• 3.3 基于PSO的改進(jìn)BP檢測算法32-34
• 3.4 實(shí)驗(yàn)分析34-41
• 3.4.1 實(shí)驗(yàn)數(shù)據(jù)與指標(biāo)34-37
• 3.4.2 實(shí)驗(yàn)參數(shù)設(shè)置37-38
• 3.4.3 實(shí)驗(yàn)結(jié)果與分析38-41
• 3.5 本章小結(jié)41-42
• 第四章 基于DE算法的改進(jìn)BP入侵檢測算法42-56
• 4.1 PSO與CLPSO分析42-43
• 4.2 基于DE算法的BP檢測算法43-45
• 4.3 實(shí)驗(yàn)分析45-55
• 4.3.1 實(shí)驗(yàn)數(shù)據(jù)與指標(biāo)45-46
• 4.3.2 實(shí)驗(yàn)參數(shù)設(shè)置46-47
• 4.3.3 實(shí)驗(yàn)結(jié)果與分析47-55
• 4.4 本章小結(jié)55-56
• 第五章 總結(jié)與展望56-58
• 5.1 論文總結(jié)56-57
• 5.2 研究的不足與未來工作的展望57-58
• 參考文獻(xiàn)58-66
• 致謝66-67
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文67

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 郭亮;陳維榮;賈俊波;韓明;劉永浩;;基于粒子群算法的BP神經(jīng)網(wǎng)絡(luò)光伏電池建模[J];電工電能新技術(shù);2011年02期

2 王芳;易平;吳越;王之e，

本文編號：746406