周天源

摘要：通过分析云平台的安全特征，进行基于BP神经网络的入侵聚类的研究，提出一种新的架构，并改进算法的学习率和权值，通过Matlab实验，其实验的结果也比较令人满意，具有较好的效果。

关键词：神经网络；网络入侵；聚类

中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2016）01-0060-02

Research on Intrusion Clustering in the Cloud Platform Based on BP Neural Network

ZHOU Tian-yuan

（School of Computer Engineering， Huaihai Institute of Technology， Lianyungang 222005，China）

Abstract：Through the safety characteristic analysis of cloud platform， on intrusion clustering based on BP neural network， and proposes a new architecture， and improve the learning rate and weight algorithm， through the Matlab experiment， the experimental results are satisfactory， with good results.

Key words： neural network；network intrusion； clustering

随着计算机网络及云技术的飞速发展，云平台下的网络系统面临着越来越多的攻击，且入侵方式和种类的不断更新，因而对入侵检测技术提出了新的要求。基于聚类的入侵检测方法的最重要的特点就是无监督性，是一个将数据划分为多个类或簇的过程，并使得同一个簇内的数据对象具有较高的相似度，而不同簇中的数据差别很大，从而成为了近几年来网络安全研究的热点之一[1，2]。

神经网络具有自学习、自适应的特征，这些特性使其在入侵检测中得到了很好的应用[3]。由于云平台环境拥有强大的计算能力、海量的存储空间和丰富的用户信息，对网络入侵者具有很大的诱惑力，很容易遭受各种安全威胁与攻击的考验。据此，本文提出了一种基于神经网络的云平台下的网络入侵聚类算法用于人侵检测，通过实验，表明此算法在未知人侵检测方面是可行和有效的，并极大地提高了人侵检测率，同时有效控制了误检率。

1 改进的BP算法设计

对于入侵检测系统来说，最重要的部分在于算法的精准率及稳定性，针对以上的算法缺点，本文提出了通过修改权值和学习率对BP算法进行改进，以提高对入侵数据检测的稳定性和精准率。……