【摘要】：隨著計算機技術(shù)的迅速發(fā)展及網(wǎng)絡的廣泛應用，網(wǎng)絡攻擊事件頻繁發(fā)生，并且入侵的手段層出不窮，使得防火墻越來越難以單獨地保障網(wǎng)絡安全。因此，在增強網(wǎng)絡的安全性方面，許多組織和專家都傾向于更強有力的主動安全防護策略，其中，入侵檢測技術(shù)作為一種有效的解決途徑，已成為了一個研究的焦點。 本文首先對入侵檢測技術(shù)及其發(fā)展趨勢進行了相關(guān)介紹。分析和總結(jié)了傳統(tǒng)的入侵檢測技術(shù)所存在的一些缺陷，比如誤報率、漏報率高，對未知攻擊的識別能力差，實時檢測攻擊的能力低等。近些年，，人工神經(jīng)網(wǎng)絡技術(shù)開始運用到了入侵檢測領(lǐng)域，為入侵檢測技術(shù)開辟了新的研究途徑。因此，本文引入了人工神經(jīng)網(wǎng)絡的相關(guān)理論，并重點研究了在神經(jīng)網(wǎng)絡領(lǐng)域被廣泛使用的BP神經(jīng)網(wǎng)絡(Back Propagation NeuralNetwork)。 本文首先詳細論述了BP神經(jīng)網(wǎng)絡的工作原理、基本思想及算法的推導過程，同時對其所存在的問題和幾種目前較常使用的改進方法進行了分析和介紹。然后，針對入侵檢測，本文在自適應學習率法的基礎上進行了改進，提出了一種新的改進算法：每次迭代時，根據(jù)誤差和局部梯度兩者的變化信息，采用不同的學習率分別對各個節(jié)點之間的連接權(quán)重和閾值進行調(diào)整，使權(quán)值的修改更有針對性。同時，也引入了帶有可調(diào)因子的轉(zhuǎn)移函數(shù)，克服BP網(wǎng)絡在誤差平坦區(qū)收斂速度慢的缺點，以提高BP網(wǎng)絡在入侵檢測中的檢測能力和收斂速度。 最后，本文采用KDDCUP99數(shù)據(jù)集中的部分數(shù)據(jù)在Matlab7.0下對本文所提出的改進算法、自適應學習率法和標準BP算法分別進行了仿真實驗，并對實驗結(jié)果進行分析，結(jié)果證明該算法能夠達到預期的效果。
[Abstract]:With the rapid development of computer technology and the wide application of network, network attacks occur frequently, and the means of intrusion emerge endlessly, which makes it more and more difficult for firewall to protect network security alone. Therefore, in enhancing the security of network, many organizations and experts tend to more powerful active security protection strategy, among which, intrusion detection technology as an effective solution has become a focus of research. This paper firstly introduces the intrusion detection technology and its development trend. Some shortcomings of traditional intrusion detection techniques are analyzed and summarized, such as false alarm rate, high false alarm rate, poor ability to identify unknown attacks, and low ability to detect attacks in real time. In recent years, artificial neural network technology has been applied to the field of intrusion detection, which has opened up a new research approach for intrusion detection technology. Therefore, this paper introduces the theory of artificial neural network, and focuses on the research of BP neural network (Back Propagation NeuralNetwork)., which is widely used in the field of neural network. In this paper, the working principle, basic idea and derivation process of BP neural network are discussed in detail. At the same time, the existing problems and several improved methods are analyzed and introduced. Then, based on the adaptive learning rate method, an improved algorithm is proposed for intrusion detection, which is based on the information of error and local gradient in each iteration. The weight and threshold of each node are adjusted with different learning rates, so that the modification of weights is more targeted. At the same time, the transfer function with adjustable factor is introduced to overcome the shortcoming of the slow convergence rate of BP network in the error flat area, so as to improve the detection ability and convergence speed of BP network in intrusion detection. Finally, the improved algorithm, the adaptive learning rate method and the standard BP algorithm are simulated by using part of the KDDCUP99 data set under Matlab7.0, and the experimental results are analyzed. The results show that the algorithm can achieve the desired results.
【學位授予單位】：河北工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP393.08;TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 廖曉昕,傅予力,高健,趙新泉;具有反應擴散的Hopfield神經(jīng)網(wǎng)絡的穩(wěn)定性[J];電子學報;2000年01期

2 張菊亮,章祥蓀;一個新的解線性規(guī)劃的神經(jīng)網(wǎng)絡(英文)[J];運籌學學報;2001年02期

3 羅公亮;從神經(jīng)網(wǎng)絡到支撐矢量機(上)[J];冶金自動化;2001年05期

4 蔣德云,張弓;谷物識別中對神經(jīng)網(wǎng)絡的優(yōu)化(英文)[J];農(nóng)業(yè)工程學報;2002年05期

5 王芳榮,周德義,鄭詠梅,王鼎,張鐵強;生物表面光譜特性識別的神經(jīng)網(wǎng)絡方法[J];吉林大學學報(信息科學版);2002年03期

6 宋光雄,何勝鋒,曹輝,張崢,鐘群鵬;基于Hopfield神經(jīng)網(wǎng)絡的腐蝕失效模式識別[J];金屬熱處理學報;2003年01期

7 王學武,譚得健;神經(jīng)網(wǎng)絡的應用與發(fā)展趨勢[J];計算機工程與應用;2003年03期

8 陳有偉,李為民;基于混合訓練神經(jīng)網(wǎng)絡的武器系統(tǒng)效能評估[J];計算機工程與應用;2003年08期

9 劉斌,劉新芝,廖曉昕;脈沖Hopfield神經(jīng)網(wǎng)絡的魯棒H-穩(wěn)定性及其脈沖控制器設計(英文)[J];控制理論與應用;2003年02期

10 劉國良,強文義,麻亮,陳興林;基于粗神經(jīng)網(wǎng)絡的仿人智能機器人的語音融合算法研究[J];控制與決策;2003年03期

相關(guān)會議論文 前10條

1 王雷;陳宗海;;神經(jīng)網(wǎng)絡在過程系統(tǒng)建模中的應用綜述[A];'2002系統(tǒng)仿真技術(shù)及其應用學術(shù)論文集（第四卷）[C];2002年

2 周宗潭;胡德文;;自組織的神經(jīng)網(wǎng)絡方法和群落生長模型研究[A];1995年中國智能自動化學術(shù)會議暨智能自動化專業(yè)委員會成立大會論文集（上冊）[C];1995年

3 侯媛彬;易繼鍇;楊玉珍;陳雙葉;韓崇昭;;一種能消除混沌現(xiàn)象的神經(jīng)網(wǎng)絡[A];1996年中國智能自動化學術(shù)會議論文集（上冊）[C];1996年

4 江銘炎;江銘虎;;一種神經(jīng)網(wǎng)絡特征壓縮及分類的研究[A];1998年中國智能自動化學術(shù)會議論文集（上冊）[C];1998年

5 陳文新;王長富;戴蓓倩;;基于神經(jīng)網(wǎng)絡的漢語四聲識別[A];第一屆全國語言識別學術(shù)報告與展示會論文集[C];1990年

6 劉豐;姜建新;程俊;易克初;;一種用于語音識別的神經(jīng)網(wǎng)絡[A];第二屆全國人機語音通訊學術(shù)會議論文集[C];1992年

7 梁循;;神經(jīng)網(wǎng)絡中訓練樣本空間的分割特性及其應用[A];1995中國控制與決策學術(shù)年會論文集[C];1995年

8 黃小原;肖四漢;樊治平;;神經(jīng)網(wǎng)絡預警系統(tǒng)及其應用[A];1995中國控制與決策學術(shù)年會論文集[C];1995年

9 李艷;邵日祥;方建安;邵世煌;;神經(jīng)網(wǎng)絡在功率電子及拖動控制中的應用[A];1996中國控制與決策學術(shù)年會論文集[C];1996年

10 高文忠;顧樹生;平力;;靜態(tài)神經(jīng)網(wǎng)絡新算法及其收斂性初探[A];1994年中國控制會議論文集[C];1994年

相關(guān)重要報紙文章 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經(jīng)網(wǎng)絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經(jīng)網(wǎng)絡[N];健康時報;2006年

8 劉力;我半導體神經(jīng)網(wǎng)絡技術(shù)及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡應用研究通過鑒定[N];中國船舶報;2006年

相關(guān)博士學位論文 前10條

1 曾U喺

本文編號：2330216