基于量子遺傳算法優(yōu)化BP網(wǎng)絡(luò)的入侵檢測研究.pdf

1、入侵檢測是近十年發(fā)展起來的一種動態(tài)監(jiān)測、預(yù)防或抵御系統(tǒng)入侵行為的安全機(jī)制。目前入侵檢測有許多模型和方法,而神經(jīng)網(wǎng)絡(luò)和模式識別等技術(shù)的引入使網(wǎng)絡(luò)安全的智能檢測研究成為熱點(diǎn)。神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)、自適應(yīng)的能力,只要提供系統(tǒng)的審計(jì)數(shù)據(jù)或網(wǎng)絡(luò)數(shù)據(jù)包,神經(jīng)網(wǎng)絡(luò)就可以通過自學(xué)習(xí)從中提取正常的用戶或系統(tǒng)活動特征模式,并檢測出異?；顒拥墓裟Ｊ?。這些特性使其在入侵檢測中得到了很好的應(yīng)用。目前最流行的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法是BP算法,BP學(xué)習(xí)算法是基于梯度下降這

2、一本質(zhì),不可避免地會帶來以下缺點(diǎn)：學(xué)習(xí)過程收斂速度慢；算法不完備,容易陷入局部極值,當(dāng)學(xué)習(xí)速率設(shè)置過高時(shí),可能產(chǎn)生振蕩；魯棒性差,網(wǎng)絡(luò)性能對網(wǎng)絡(luò)的初始設(shè)置比較敏感。這使得基于BP神經(jīng)網(wǎng)絡(luò)的入侵檢測存在高漏報(bào)率和誤報(bào)率。
　　 本文針對入侵檢測的效率問題和準(zhǔn)確性問題,提出了一種基于量子遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的入侵檢測模型,該模型基于量子遺傳算法的全局搜索和BP網(wǎng)絡(luò)局部精確搜索的特性,將量子遺傳算法和BP算法有機(jī)結(jié)合,利用量子遺傳