改进蚁群算法结合BP网络用于入侵检测.pdfVIP

第29卷第5期 辽宁工程技术大学学报 (自然科学版) 2010年 10月 、，o1_29 No．5 JournalofLiaoningTechnicalUniversity(NaturalScience) Oct． 20l0 文章编号：1008—0562(2010)05—0966—04 改进蚁群算法结合BP网络用于入侵检测 范 瑛 (长沙商贸旅游职业技术学院 信息技术系，湖南 长沙 4100041 摘 要：针对用BP神经网络进行入侵检测时权值难以确定的问题，提出一种基于改进蚁群算法与BP网络的 入侵检测方法。基于蚁群算法构建解特点，正反馈 自催化机制和分布式计算机制和BP网络局部精确有哪些信誉好的足球投注网站的特 性，将蚁群算法和BP算法有机结合，利用蚁群算法优化BP网络，并对蚁群算法进行改进。通过KDD99CUP 数据集分别对基于不同算法集合的BP神经网络进行了仿真实验，结果表明：改进算法收敛速度快，迭代次数 较少，可在一定程度上提高入侵检测系统的准确率。 关键词：入侵检测；BP神经网络；网络安全；蚁群算法；信息安全 中图分类号：TP393 文献标识码：A Improvedantcolonyalgorithm andBPnetworkforintrusiondetection FAN Ying (DepartmentofInformationTechnology,ChangshaCommerceTouHsmCollege． Changsha410004，China) Abstract：Thispaperpresentsanintrusiondetectionmethodbasedonanimprovedantcolonyalgorithm andna optimizedBP network．According to the construction characteristicsofan antcolony algorithm，and the characteristicsofpositivefeedbackfrom thecatalyticmechna ism，thedistributedcomputersystem na dhtelocal serach ofBPnewt ork，an organiccombination ofBP algorihtm andan na tcolony algorithm isachievedto optimizetheBPnetworkusinganantcolonyoptimization algorithm．Intum theantcolonyalgorithm isalso improved．UsingKDD99CUP dataset，hteBPneuralnetworksbasedO12differentalgorithmsraesimulated． Thesimulationresultsshow thatthefasterconvergenceofhtealgorithm，thelessnumberofiterations，andhte improvementonhteaccuracyofintrusiondetectionsystems． Keywords：intrusion detection；BPneuralnewtork；network securiyt；natcolonyalgorithm；information securiyt 引 言 测系统，基于代理的分布式入侵检测系统，基于 支持向量机的入侵检测 ，基于数据挖掘的入侵检 随着网络技术的发展，新的网络入侵方法层 测以及一些混合型入侵检测系统等，最显著的特 出不穷，因此不能简单地 以传统的分析 已有入侵 点是入侵检测系统朝着人工智能方向发展。而神 的手段来解决网络人侵检测