本文關(guān)鍵詞：基于改進(jìn)QPSO優(yōu)化的RBF網(wǎng)絡(luò)入侵檢測(cè)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著計(jì)算機(jī)技術(shù)的發(fā)展以及互聯(lián)網(wǎng)應(yīng)用越來越廣泛,網(wǎng)絡(luò)入侵攻擊事件頻繁發(fā)生,并且入侵種類層出不窮,使得防火墻越來越難以單獨(dú)保障網(wǎng)絡(luò)安全。因此,為了增強(qiáng)網(wǎng)絡(luò)的安全性,也有很多機(jī)構(gòu)和專家都傾向于更強(qiáng)大的主動(dòng)安全防護(hù)策略,其中,入侵檢測(cè)技術(shù)作為一種有效的解決方案,已成為研究的重點(diǎn)。論文對(duì)傳統(tǒng)的入侵檢測(cè)技術(shù)進(jìn)行了分析并總結(jié)了傳統(tǒng)的入侵檢測(cè)技術(shù)存在著諸如對(duì)未知攻擊行為的檢測(cè)力差,實(shí)時(shí)檢測(cè)攻擊的能力低等缺陷。而人工神經(jīng)網(wǎng)絡(luò)由于自身特點(diǎn),應(yīng)用于入侵檢測(cè)具有可行性。近年來,入侵檢測(cè)技術(shù)已經(jīng)開始使用神經(jīng)網(wǎng)絡(luò)工具,開辟了新的入侵檢測(cè)方法。論文重點(diǎn)研究了神經(jīng)網(wǎng)絡(luò)領(lǐng)域中被廣泛應(yīng)用的RBF神經(jīng)網(wǎng)絡(luò)(Radia Basis Neural Network),包括RBF神經(jīng)網(wǎng)絡(luò)的原理、網(wǎng)絡(luò)結(jié)構(gòu)、權(quán)值學(xué)習(xí)過程。在RBF神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化過程中引入量子粒子群算法是一種計(jì)算簡(jiǎn)單,收斂速度較快的方法。但是量子粒子群算法在迭代后期容易陷入局部收斂,求解精度也不理想。論文提出了一種改進(jìn)算法。將人工蜂群搜索算子引入量子粒子群算法,在算法前期可以有效的擴(kuò)展搜索空間,防止算法陷入局部最優(yōu)。同時(shí)引入雙中心粒子,將QPSO算法得到的全局最優(yōu)解的每一維度的值都與雙中心粒子相對(duì)應(yīng)的維度分別替換,再次更新全局最優(yōu),使算法達(dá)到較高的搜索精度,具有較快的收斂速度。在RBF神經(jīng)網(wǎng)絡(luò)的參數(shù)優(yōu)化過程中引入改進(jìn)后的QPSO算法可以提高RBF神經(jīng)網(wǎng)絡(luò)在入侵檢測(cè)中的檢測(cè)率和收斂速度。最后,論文采用KDDCUP99數(shù)據(jù)集中的部分?jǐn)?shù)據(jù)在MATLAB R2010a下對(duì)本文提出的改進(jìn)QPSO_RBF和標(biāo)準(zhǔn)QPSO_RBF以及引入人工蜂群搜索算子的IQPSO_RBF進(jìn)行了仿真實(shí)驗(yàn),并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析,結(jié)果證明改進(jìn)后的算法能夠達(dá)到預(yù)期的效果。
【關(guān)鍵詞】：入侵檢測(cè) RBF 神經(jīng)網(wǎng)絡(luò) QPSO 算法改進(jìn) MATLAB仿真 KDDCUP99 數(shù)據(jù)集
【學(xué)位授予單位】：河北工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP183;TP393.08

  本文關(guān)鍵詞：基于改進(jìn)QPSO優(yōu)化的RBF網(wǎng)絡(luò)入侵檢測(cè)研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：298751