一种基于禁忌神经网络的网络入侵检测模型
2014-07-01邵伯乐
长春师范大学学报 2014年8期
邵伯乐
(亳州职业技术学院网络中心,安徽亳州 236800)
一种基于禁忌神经网络的网络入侵检测模型
邵伯乐
(亳州职业技术学院网络中心,安徽亳州 236800)
随着互联网的发展和普及,传统网络入侵防范方法如防火墙、数据加密等已经很难保证系统和网络资源的安全。为此,本文设计了基于改进禁忌算法和神经网络的网络入侵检测方法。首先建立三层的BP神经网络模型用于实现入侵检测。然后通过BP反向传播算法获取网络的权值和阀值等参数,并设计了一种基于双禁忌表的改进禁忌优化算法,采用此改进的禁忌优化算法对BP算法优化得到的权值和阀值进行进一步寻优。最后,将禁忌算法优化后的神经网络用于网络入侵检测。仿真实验表明,此方法能够有效地实现网络入侵检测,具有较快的收敛速度和较高的检测率,是一种适合网络入侵检测的可行方法。
网络入侵检测;神经网络;禁忌算法;优化
随着互联网的飞速发展和普及,计算机病毒和黑客攻击等网络安全问题日益严重,据不完全统计,每年全球因计算机安全问题而导致的系统破坏造成的损失就高达百亿美元,因此,网络安全问题已经引起政府、工业和科学界的高度关注[1-2]。入侵检测(Intrusion Detection)是一种解决网络安全问题的重要手段,能实现网络攻击的全面检测[3],入侵检测方法一般可以分为两类:误用检测和异常检测。误用检测方法是在首先获得了各类攻击行为组成的攻击特征数据库的基础上,将样本与特征数据库进行匹配以确定攻击事件;……
登录APP查看全文
