文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 信息与通信 > BP神经网络在入侵检测中的应用
侵权投诉

BP神经网络在入侵检测中的应用

针对传统入侵检测系统在误报率、漏报率上的缺陷,把神经网络应用于专业入侵检测系统中,利用神经网络的BP算法的学习能力和快速识别能力,实现了对用户行为的检测,最后给出了该算法的理论推导和算法的具体实现步骤。与传统的入侵检测算法相比,该方法的最小平均误差比传统算法的最小平均误差小,且学习速度快。实验结果也说明了该方法的快速性、有效性、稳定性。

0—一。 点的输出值。因此,第 k一 1层第 j节点的输出为:个 Ⅳ l

行误差函数梯度下降策略,动态迭代搜索一组权向量,使网络误差函数达到最小值,从而完成信息提取和记忆过程。

嘞,

( 1 )

最后得到输出层第 P个节点的输出值为:)= f。; F )

3B P神经网络的训练 为了对程序行为进行准确的判别,必须训练一个合适的神经网络。本文使用美国国防部高级研究计划署 ( DARPA)提供的网络测试数据,数据库包含 5 0万条用 0于训练的 TC/ I P P连接记录和 2 0万条用于测试的记录。 0

训练数据带有标记 (正常或某种攻击 )时间先后排序。,按 在训练阶段中,需要完成两方面工作:其一,在以输入向量和期望值训练神经网络时,需要不断调整学习效率 和动量因子,以让神经网络较好地收敛;其二,需要根据报表子模块中显示的神经网络的错报率和漏报率,调整预 处理子模块中对网络数据包特征属性的选取,以及数值转

换公式。

在 BP神经网络的完全训练和测试完成后,大量 。

的连接权值保持稳定,可以用来进行入侵检测判断。

。

4B P神经网络算法识别仿真 考虑将网络数据包的特征转化为可供神经网络学习 的模式值,仅对 Is e P o e p we p r b,Gu s- a s es P swd,I p ma,

.

Ba k c Do S,Bu e -Ov rl w等五类经常出现的攻击进 fr e fo行基于 BP神经网络算法和传统算法的对比识别实验。图 2给出了 BP神经网络算法和传统算法的学习曲线,表明 BP神经网络算法的最小平均误差比传统算法的最小平均 误差小,且学习速度快。 荠

O 0 l

0 0 8

0 6 0

0 4 0

0 2 0

0 0 0

10 0 0

80 00

10O 20

100 60

训练次数

图 2 B神经网络算法和传统算法的学习曲线比较 P

神经网络采用如下结构:输入层的节点数为 2 0个, 隐含层的节点数为 3 0个,输出节点数为 5个,神经元作

用函数为:f ) l(+ x ( x) i -/ 1 e p- ) x -,初始权值和阈值为 ( l一, 1之间的随机数。表 1对测试数据中所有攻击的检测 )为

率统计,表明针对大部分攻击基于改进算法的检测率都有 一

定程度的提高。 表 1基于两种算褚的检测率比较 攻击名称 I we p Pr be ps e o Gue s s Pa d s I a m p Bac kDo S Bu f r o、e f o f e r l w

传统算法检测宰 ( )% 9 98 9 . 21 6 21 9 44 8 84

B算法检率 ( ) P% 9 . 99 9 . 25 6 . 35 9 . 50 8 . 96

对攻击的识别实验结果表明,BP神经网络算法不仅能够很好地识别攻击,而且性能优于传统算法。相对于传

BP神经网络在入侵检测中的应用

上一页第2页

你可能喜欢

  • 协同进化算法
  • 神经网络遗传算法
  • 入侵检测系统
  • 动态BP神经网络
  • BP神经网络控制器
  • BP神经网络算法
  • BP神经网络原理

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email