基于遺傳神經(jīng)網(wǎng)絡(luò)的入侵檢測系統(tǒng)研究.pdf

1、本文主要研究了神經(jīng)網(wǎng)絡(luò)的相關(guān)理論，研究了BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程、基本算法并做出相應(yīng)改進即將全部誤差累加求和之后集中修改權(quán)值，消除了原算法中樣本數(shù)據(jù)的順序?qū)Y(jié)果的影響。在此基礎(chǔ)上提出了一種利用遺傳算法兩次優(yōu)化改進BP神經(jīng)網(wǎng)絡(luò)的模型(Twice Genetic Algorithm Back Propagation，TGB)，該模型的基本思想是先用遺傳算法確定用來描述神經(jīng)網(wǎng)絡(luò)模型的參數(shù)組合，直到適應(yīng)度函數(shù)趨于穩(wěn)定，即其平均值不再有意義地增加為

2、止。遺傳算法粗選網(wǎng)絡(luò)模型后，用BP神經(jīng)網(wǎng)絡(luò)確定使誤差函數(shù)取極小值的模型參數(shù)組合，當(dāng)平均誤差不再有意義地減少時停止。之后，再一次使用遺傳算法對模型參數(shù)進行n代的優(yōu)化，以解決可能的局部極小問題，直到誤差范圍達到令人滿意的要求或者發(fā)現(xiàn)搜索不收斂為止。之后將待測樣本作為輸入層數(shù)據(jù)，利用已經(jīng)確定的穩(wěn)定權(quán)值經(jīng)過正向傳播得到輸出結(jié)果，實現(xiàn)了模型的預(yù)測功能。
　　 本文利用KDD CUP'99數(shù)據(jù)集對系統(tǒng)進行性能分析。為了簡化神經(jīng)網(wǎng)絡(luò)規(guī)模、提高

3、系統(tǒng)實時性，提出了一種新的降維方法即特征選提法，該方法根據(jù)具體數(shù)據(jù)先用特征選擇方法粗選降維，去除影響小的特征和冗余，在此基礎(chǔ)上，再利用特征提取方法中的主成分分析法將降維后的特征集進行映射處理，得到新的數(shù)據(jù)特征，新的特征中即包含了原有全體特征的主要信息又使得數(shù)據(jù)維數(shù)明顯減少，且各主成分間相互獨立，提高系統(tǒng)實時性的同時也提高了系統(tǒng)的準(zhǔn)確性。
　　 本文將TGB與基于特征選提降維兩種算法結(jié)合起來，用于入侵檢測，得到基于改進的遺傳神經(jīng)網(wǎng)