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。

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

BP神经网络在入侵检测中的应用

第1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