进化神经网络在入侵检测中的应用研究

摘要

随着计算机网络和信息技术的快速发展，计算机网络安全也随之成为一个重要问题。入侵检测技术作为一种主动安全防护技术，它是传统安全技术如防火墙的合理补充，是当前计算机网络安全理论研究的一个热点。 本文经过分析和研究现有的检测技术和入侵检测系统存在的不足，基于智能互补的观点，提出了改进的进化神经网络算法，其处理思想是采用双种群的进化规则，同时完成对权值和结构的进化。该算法核心就是用改进的遗传算法来优化BP 神经网络，具体选用混合交叉算子()α _ BLX 作交叉算子、按自适应个体变异率用三子代变异操作算子来改善算法的性能，其特点是加快算法的收敛速度，在一定程度上克服了BP 算法陷入局部最小点的不足。另外，本文还将该算法应用于入侵检测领域中，建立了一个基于改进的进化神经网络的入侵检测系统模型，并用KDDCUP99数据测试了该模型中的改进的进化神经网络分类器引擎，与基于BP 神经网络和传统的进化神经网络等相比得到了较高的检测率。