資源描述：
《基于云模型和BP神經(jīng)網(wǎng)絡(luò)的入侵檢測(cè).pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、116傳感器與微系統(tǒng)(TransducerandMicrosystemTechnologies)2011年第3O卷第1期基于云模型和BP神經(jīng)網(wǎng)絡(luò)的入侵檢測(cè)張锏(宿州學(xué)院信息工程學(xué)院，安徽宿州234000)摘要：云模型是進(jìn)行定性定量轉(zhuǎn)換的有效工具，正態(tài)云模型通過期望、熵和超熵構(gòu)成特定結(jié)構(gòu)發(fā)生器，這種特定結(jié)構(gòu)使得正態(tài)云模型更具有普遍適用性，更簡(jiǎn)單、直接地完成了定性與定量之間的相互轉(zhuǎn)換過程。結(jié)合BP網(wǎng)絡(luò)局部精確搜索的特性，提出一種基于云模型與BP網(wǎng)絡(luò)的入侵檢測(cè)方法，將云模型和BP算法有機(jī)結(jié)合。通過KDD99CUP數(shù)據(jù)集分別進(jìn)行了仿真實(shí)驗(yàn)對(duì)比，結(jié)果表明：該方法不但收斂速度快，迭代次數(shù)較少
2、，并且可提高入侵檢測(cè)的準(zhǔn)確率。關(guān)鍵詞：入侵檢測(cè)；云模型；BP神經(jīng)網(wǎng)絡(luò)；網(wǎng)絡(luò)安全中圖分類號(hào)：TP393文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1000-9787(2011)01-0116--03IntrusiondetectionbasedoncloudmodelandBPneuralnetworksZHANGJian(SchoolofInformationEngineering，SuzhouUniversity，Suzhou234000，China)Abstract：Cloudmodelisaneffectivetoolforqualitativeandquantitativetransform
3、，aspecificstructuregeneratorisformedbynormalcloudmodelthroughexpectation，entropyandhyperentropy，Thisparticularstructuremakesthenormalcloudmodelhasmoregeneralapplicabilityandsimplyandstraightforwardcompletedconversionprocessbetweenqualitativeandquantitative．Anintrusiondetectionmethodsispropose
4、dbasedoncloudmodelandBPNetwork．ThecloudmodelandBPalgorithmarecombined．ThesimulationexperimentiscomparedrespectivelybyKDD99CUPdataset．Experimentalresultsshowthatthemethodisnotonlyfastconvergencebutalsohasfewernumberofiterations．Itcanimprovetheaccuracyofintrusiondetection．Keywords：intrusiondete
5、ction；cloudmodel；BPneuralnetworks；networksecurity0引言影響到網(wǎng)絡(luò)的收斂速度，而且，可能對(duì)最終網(wǎng)絡(luò)的性能有很隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，新的網(wǎng)絡(luò)入侵方法層出不窮，因大影響。雖然一些研究者也嘗試，與遺傳算法、粗糙此，不能簡(jiǎn)單地以傳統(tǒng)的方法分析已有入侵的手段來解決集、粒子群算法等結(jié)合，但效果不盡理想j。入侵檢測(cè)的問題，而要讓入侵檢測(cè)具有自我學(xué)習(xí)和智能判云模型把隨機(jī)性和模糊性結(jié)合起來．用數(shù)字特征熵，揭斷能力?。文獻(xiàn)[2]基于網(wǎng)絡(luò)數(shù)據(jù)流的異常檢測(cè)；文獻(xiàn)[3]示隨機(jī)性與模糊性的關(guān)聯(lián)性．并用來表示一個(gè)定性概念的把普通遺傳算法和入侵檢測(cè)技術(shù)結(jié)合得到較好的
6、效果；文粒度。正態(tài)云模型通過期望、熵和超熵構(gòu)成的特定結(jié)構(gòu)獻(xiàn)[4，5]對(duì)遺傳算法在入侵檢測(cè)中的網(wǎng)絡(luò)異常判斷，檢測(cè)發(fā)生器，生成定性概念的定量轉(zhuǎn)換值，體現(xiàn)概念的不確定規(guī)則提取進(jìn)行了研究。目前，研究人員正在積極研究并采性。這種特定結(jié)構(gòu)不但放寬了形成正態(tài)分布的前提條用新技術(shù)、新方法來完善或重建新的入侵檢測(cè)系統(tǒng)，而神經(jīng)件，而且把精確確定隸屬函數(shù)放寬到構(gòu)造正態(tài)隸屬度分布網(wǎng)絡(luò)等技術(shù)的引入使入侵檢測(cè)的智能性研究成為熱點(diǎn)。的期望函數(shù)，因而更具有普遍適用性，更簡(jiǎn)單直接地完成了神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)、自適應(yīng)的特征。這些特性使其在入定性與定量之間的相互轉(zhuǎn)換過程。針對(duì)云模型的研究，侵檢測(cè)中得到了很好的應(yīng)用。目前
7、最流行的神經(jīng)網(wǎng)絡(luò)給出定性與定量之間轉(zhuǎn)換的云模型形式化表示，并且，將正學(xué)習(xí)算法是BP算法(back—propagationalgorithm)，但是，在態(tài)云模型與BP網(wǎng)絡(luò)結(jié)合用于汁算機(jī)網(wǎng)絡(luò)入侵檢測(cè)，并通用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行入侵檢測(cè)時(shí)，有一個(gè)重要問題就是網(wǎng)過KDD99CUP數(shù)據(jù)集分別對(duì)基于不同算法的BP神經(jīng)網(wǎng)絡(luò)連接權(quán)值的確定問題，因?yàn)槌跏紮?quán)值選擇不當(dāng)，不僅會(huì)絡(luò)進(jìn)行了仿真實(shí)驗(yàn)比較。收稿日期：2010一l1—12第1期張锏：基于云模型和BP神經(jīng)網(wǎng)絡(luò)的入侵檢測(cè)l171云模型發(fā)生器實(shí)現(xiàn)的，規(guī)則
