学位论文 > 优秀研究生学位论文题录展示

基于遗传算法及神经网络的入侵检测模型研究

作　者: 任浩
导　师: 王怀彬
学　校: 天津理工大学
专　业: 计算机应用技术
关键词: 入侵检测系统(IDS) 数据挖掘 遗传算法 神经网络
分类号: TP393.08
类　型: 硕士论文
年　份: 2013年
下　载: 5次
引　用: 0次
阅　读: 论文下载
 

内容摘要


随着当前对互联网的依赖持续增大,对于安全可靠网络环境的需求也随之增加。本文介绍了通过一种改进的遗传算法以及基于开关的神经网络模型,以构建一个有效的应对检测网络攻击的入侵检测系统(IDS)的方法。目前,在入侵检测领域许多科技人员进行了相关研究工作,多数研究与数据挖掘相关。其中主要的几种方式有：基于自组织映射(SOM)、支持向量机(SVM)、蚁群算法(ACO),以及遗传算法(GA)对网络流量进行分类以识别攻击等。利用遗传算法训练神经网络,以用于入侵检测,已经取得了许多研究成果。增强遗传算法就是其中之一,其优点是该方法比大多数传统遗传算法在更短的时间内取得了更好的结果,并且该算法是特别针对神经网络参数训练测试而设计的。但其仍有可以继续改进之处,例如：用户定义参数,静态接受概率和浪费的交叉后代等问题。改进上述问题可以有效减少人工干预,从而降低人为错误的可能性,同时也可以减少神经网络的训练时间。本文针对多种算法虽然可以调试神经网络的权重,但几乎不能调节网络规模与架构的问题。在增强神经网络基础上,通过基于开关的方式,使遗传算法可以调节网络的拓扑结构,从而进一步拓展了这种方法的应用。将开关放置在联接上和隐节点上,解决了隐节点数量仍要求用户提前设定的问题。在增强遗传算法和神经网络模型基础上,本文提出了一种新的改进型遗传算法和改进型神经网络模型,在如下几个方面对增强遗传算法及增强神经网络提出了改进。该算法不仅可以设置应用于入侵检测的神经网络的联接权值,还可以设置网络的规模与结构；将开关同时放置在联接和隐节点上；改进了适应度函数,将网络的规模参数包含进适应度函数里面,进而生成更加简洁的神经网络。本文用常见的测试函数,对比测试了新提出的改进遗传算法以及传统的遗传算法和其它的修改版遗传算法,并使用C++编写了相关代码仿真程序。仿真测试结果显示,其可在更短时间内得到更好的结果。同时对人为干预的需要也有效减少。该IDS通过入侵检测的标准测试数据集来测试(DARPA98KDD99集),结果显示其性能与使用蚁群算法相类似,并且优于支持向量机及其他遗传算法得到的结果。

全文目录


摘要  5-6
Abstract  6-10
第一章 绪论  10-13
  1.1 研究意义  10
  1.2 网络安全  10-11
    1.2.1 概述  10
    1.2.2 入侵防御与入侵检测对比  10-11
  1.3 主要工作  11-12
  1.4 论文结构  12-13
第二章 研究背景及算法介绍  13-22
  2.1 遗传算法  13-14
  2.2 神经网络  14-16
  2.3 其他数据挖掘方式  16-22
    2.3.1 概览  16
    2.3.2 机器学习方法  16
    2.3.3 基于机器学习的IDS应用  16-22
第三章 改进遗传算法  22-37
  3.1 介绍  22
  3.2 增强遗传算法  22-28
    3.2.1 概览  22-25
    3.2.2 增强遗传算法与改进遗传算法的目标  25
    3.2.3 增强遗传算法的成功处  25-26
    3.2.4 增强遗传算法的局限性  26-28
  3.3 改进遗传算法  28-29
    3.3.1 自定义参数  28-29
    3.3.2 接受概率  29
  3.4 性能比较  29-34
  3.5 结果意义  34-37
第四章 基于开关的神经网络  37-51
  4.1 介绍  37-38
  4.2 基于开关的神经网络  38-40
    4.2.1 概览  38-39
    4.2.2 增强神经网络与改进神经网络的目标  39
    4.2.3 增强神经网络的成功之处  39-40
  4.3 增强神经网络的局限性  40-41
    4.3.1 基于开关的网络的局限性  40
    4.3.2 适应度函数的局限性  40-41
  4.4 改进神经网络模型  41-43
    4.4.1 基于开关的隐节点  41
    4.4.2 新的适应度函数  41-43
  4.5 性能比较  43-50
  4.6 结论意义  50-51
第五章 入侵检测系统  51-64
  5.1 系统设计与实施  51-53
    5.1.1 新的入侵检测系统结构  51-53
  5.2 IDS性能评估  53-64
    5.2.1 评估数据集  53-55
    5.2.2 实验设置  55-56
    5.2.3 测试结果  56
    5.2.4 支持向量机  56
    5.2.5 蚁群算法  56-57
    5.2.6 增强遗传算法  57
    5.2.7 改进遗传算法  57-58
    5.2.8 结果比较  58-62
    5.2.9 使用不同测试集的进一步验证  62-64
第六章 总结与展望  64-66
  6.1 研究总结  64-65
    6.1.1 改进遗传算法的贡献  64
    6.1.2 改进神经网络的贡献  64-65
  6.2 研究展望  65-66
参考文献  66-69
附录 相关代码  69-74
发表论文和科研情况说明  74-75
致谢  75

相似论文

  1. 天然气脱酸性气体过程中物性研究及数据处理,TE644
  2. 压气机优化平台建立与跨音速压气机气动优化设计,TH45
  3. 调频式电容位移传感器高速测频与非线性校正技术研究,TH822
  4. 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
  5. 红外超光谱图像的虚拟探测器研究,TP391.41
  6. 模糊控制、神经网络在平面二级倒立摆中的应用,TP273.4
  7. 基于神经网络的水厂投药预测控制研究,TP273.1
  8. 视觉伺服四自由度机械臂的研究,TP242.6
  9. 机械臂视觉伺服系统的研究,TP242.6
  10. 压电驱动微工作台的控制与校正技术研究,TP273
  11. 某武器检测装置的控制系统设计,TP183
  12. 市级旅游用地规划环境影响评价研究,X820.3
  13. 珠三角地区高性能混凝土配合比智能化系统,TU528
  14. 基于数据挖掘技术的保健品营销研究,F426.72
  15. 高忠英学术思想与经验总结及运用补肺汤加减治疗呼吸系统常见病用药规律研究,R249.2
  16. 张炳厚学术思想与临床经验总结及应用地龟汤类方治疗慢性肾脏病的经验研究,R249.2
  17. 基于遗传算法的模糊层次综合评判在高职教学评价中的应用,G712
  18. 部队人员网上训练与考核系统的开发,TP311.52
  19. 大学生综合素质测评研究,G645.5
  20. 不具备全局Lipschitz条件的时滞细胞神经网络的反周期解研究,TP183
  21. 基于并行算法的模糊综合评价模型的设计与应用,TP18

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 计算机网络 > 一般性问题 > 计算机网络安全
© 2012 www.xueweilunwen.com