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。
B P神经网络在入侵检测中的应用 包晖,秦杰,张兴红 (河南工业大学信息科学与工程学院,河南郑州 4 0 5 ) 502
摘要: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 B尸算法 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。
关键词:B;经网络;I P神 D s
Th Ap ato o BP-Ne r Ne wor i t e nt u o Der cto e pl i in f c u al t k n h I r si n e in
B O H i qN J, Z A G Xn -h n A u, I i e HN i g og ( e n Ui r t f/ O:[n S诧 c ad E e f n n e i o/ i' 1 c%e n谐嘲 l -a v sy: l '> O f: a
Z e zo,Hnn 4 05,i a kn ko e 5 0 . Ci) g a ̄ s k ,
Ab ta: I ls n o:e nu f inis sc a mi ig rpr rt a d f l aa m r t s rct n al i t uo h is fie c u h s c e s n e ot a e n as s e lr ae
t e a e a py n u a n t o k i o it u in h p p r p ls e r l e w r n n r s t o .
d tc i eeto n, a he e a o l f ue b h vo wih P lo i m’ lann a i y n f s rcg iin bly civ s g a o sr e a i r t B ag r h s e rig bl a d a t e o nto a i t i t i t
At ls te a e gv s U a a t h p p r ie O t
t ertc l ei ̄in n te tp o agoi m. C m ae wih l ag r h hoeia d r to a d h se s f l r h v t o prd t od loi m, fw ag rtm。 mii m v r g e rr s malr h n h o t l e loih S n m
u a ea e ro i s l t a t e l e d ag r h’, f rhr r lo i m S t u temoe ,
i l rig p e i a tr F o t e nn sed s s e . rm te eut o e p r n, we a s e t a te e s a f h r sls f x ei t me c n e h t h nw ag r h loi m h s o a v na e t a sme d a t g s,
sc a q iky, v l i a d r cia it u h s uc l ait d y n pa tc bi ly. Ke w o d y r s: B ag r h P loi m s n ua n t r I t; e rl e wok; DS
1引言 入侵检测是当前网络安全领域的研究热点,在保障网 络安全方面起着重要的作用。当前,有两类比较成熟的入
B P算法属于 D l et a算法,是一种有导师的训练算法,它在给定目标的情况下,以其实际输出与目标值之差的平方和为目 标函数,以调节权值使目标函数达到最小值为最终目的。
侵检测系统:基于误用的入侵检测和基于异常的入侵检测。 误用检测技术假定所有的入侵行为都能够表达为一种 特定的模式或特征,通过模式匹配方法可以发现所有已知的入侵行为。误用检测的优点是可以可靠地检测出已知的
BP算法步骤包括两个阶段,第一阶段是计算实际输出,这是从输入到输出的计算与修改,得出神经元的输出。 第二个阶段是对权和阈值的修改,这是从输出层向下计算和修改,从已知最高层的误差修改与最高层相连的权,然后修改各层的权,两个过程反复交替,直到达到收敛为止。 B P网络模型如图 1示。所 y y; y
攻击,误报率低,缺点是只能发现巳知的攻击,对未知的 攻击无能为力。
异常检测技术设定所有的入侵行为都与正常行为不同, 如果当前用户行为与正常行为达到一定程度的偏差时,就认为系统受到了攻击。异常检测的优点是可以检测到新的
‘_l
未知攻击,缺点是误报率较高。 传统的入侵检测技术存在着规则库难于管理、统计模 ”
^一
型难以建立以及较高的误报率和漏报率等诸多问题,制约了入侵检测系统在实际应用中的效果…。而
神经网络具有
模式识别的功能,利用神经网络技术的自学习能力、联想 侵检测系统存在的某些问题。 本文把神经网络应用于入侵检测系统中,实验证明,
l叠薯鼍
薯誓
■冒啊瞄■ ___ _ 1一
记忆能力和模糊运算能力,在一定程度上应该可以解决入 图 1 P网络模型 B
这种方法可以较好地改善算法的学习速率,降低平均误差, 提高入侵检测系统的识别率。
根据 BP网络的工作原理,第 k -1层的输入加权和为 Ⅳ :
∑, J c= 1 0
2基于 B P算法的神经网络模型 B ( ak P o a ain网络是按误差逆向传播算法S P B c rp g t ) o J i 1练的多层前馈网络,是目前应用最广泛的神经网络模型[3 2] -
其中,
表示第 k 2层的节点数;一
表示第 k l _层
第 j基点输入加权和; c表示第 k一第 i节点与个, 2层个 k— l层第 j点问的连接权值;。示第 k一节 表 2层第 i节个
基金项目:国家自然科学基金项目。编号: 6 3 3 0郑 g市科技攻关项目。编号 O 5 G G 5 2—7 0 70 5 ' l i 8Sy 2 j1

( N ature Science Edition) BP 神经网络在入侵检测中的应用肖道举 毛辉 陈晓苏 ( 华中科技大学计算机科学与技术学院) 摘要 : 对如何检测未知入侵手段的问题进行...
基于BP神经网络的入侵检测系统在TDCS网络中的应用_专业资料。由于TDCS网络存在许多不安全因素,为提高TDCS网络的安全性能,在此网络中引入了入侵检测系统,现有的检测技术...
改进的 BP 神经网络在 入侵检测系统中的应用及研究 姓名:孙琨秋 班级:201319 学号:2013539 专业:应用数学 改进的 BP 神经网络在入侵检测系统中的应用及研究摘要:...
21年第2期 02( 总第 18期)1 信息通信 IORMAT0N&C0MMUNINF1CAT10NS 2201 (u.N l8 Smo1) B P神经 网络在入侵检测 中的研 究与应用 赵志伟 ( 唐山学院 ,...
变异粒子群优化的BP神经网络在入侵检测中的应用_冶金/矿山/地质_工程科技_专业资料。第 8卷第 6期 201 3年1 2月 DOI:10.3969/j.issn.1673-4785.201304040第...
基于BP 神经网络的入侵检测系统在 TDCS 网络中的应用宗盼 曹宏丽(兰州交通大学 自动化与电气工程学院 730070) 摘要由于 TDCS 网络存在许多不安全因素,为提高 TDCS...
BP神经网络运用于入侵检测系统有很多优点,但是也存在一些缺点,如执行速度比较慢的问题等.常用的LMBP算法,虽然收敛速度很快,但是应用于入侵检测系统执行速度仍然不能满足...
基于遗传算法的BP神经网络入侵检测系统在校园网中的应用_专业资料。毕业论文计算21第8 0 0年期文章编号:0.7(000-080 162521)801-404 机 与 现 代 化总第10...
将 BP 神经网络应用于网络入侵检测系统中, 其中最核心的部分 是算法的精确性, 其直接关系到入侵检测的误报率和精确度。 BP 神经网络学习算法 神经网络在外界输入...
BP 神经网络在入侵检测中的应用[J].华 中科技大学(自然科学版).2003 [5]Karl Levitt.Intrusion Detection:Current Capabilities and Future Directions.In ...
热门文档