神经网络类有关论文范文素材,与一种改进的BP神经网络算法在入侵检测中的应用相关论文答辩开场白

本论文是一篇神经网络类有关论文答辩开场白,关于一种改进的BP神经网络算法在入侵检测中的应用相关毕业论文范文。免费优秀的关于神经网络及网络安全及华中科技大学方面论文范文资料,适合神经网络论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。

摘 要：该文介绍了一种改进的神经网络算法,该算法对网络结构采用自确定的方法,并将随机算子和遗忘因子引入BP神经网络中.在提高全局寻优能力的同时,加快了网络的收敛速度.同时将该算法应用于网络的入侵检测中,效果良好.

关 键 词：神经网络入侵检测；自动变速率；随机优化算子

中图分类号：TP18文献标识码：A文章编号：1009-3044（2014）03-0614-03

随着互联网应用的发展,更现显了网络安全的重要性.入侵检测技术在安全防护中是一种主动防护技术,能及时地检测各种恶意入侵,并在网络系统受到危害时进行响应,因此在为安全防御体系中入侵检测系统占有重要的地位.但是在现实的应用中,入侵检测系统没有充分发挥其作用.这是因为,不断变化的入侵方式要求入侵检测模型必须具有分析大量数据的能力.无论这些数据是不完全的,是非结构化的,或者是含有噪音的.而且,有些攻击是由处于不同网络位置上的多个攻击者协作进行的,这就要求入侵检测模型又必须具备处理来自非线性数据源的大量数据的能力.神经网络具有联想记忆能力、自学习能力和模糊运算的能力.因此将神经网络应用入侵检测中,它不仅可以识别出曾见过的入侵,还可以识别出未曾见过的入侵.该文首先介绍了一种改进的神经网络算法,然后分析了该算法在入侵检测中的应用,并给出试验仿真结果.

1BP神经网络与入侵检测

1.1BP神经网络的特点与不足

BP神经网络是神经网络模型中应用最广泛一种.它基于成熟的BP算法,主要有以下几个特点：1）它能够实现自组织、自学习,根据给定的输入输出样本自动调整它的网络参数来模拟输入输出之间的非线性关系.2）在存储上采用分布式存储,所有的信息分布存储在每一个神经元中.3）它还可以实现并行处理,下一层的每个神经元可以根据接收到的上一层信息同时独立地计算.这些特点使其很适合应用于入侵检测技术,满足入侵检测的适应性、可靠性、安全性和高效性的要求.

但是传统的BP算法也存在着以下几个方面的不足：1）局部极小；2）学习算法收敛速度慢；3）隐含层节点选取缺乏理论；4）加入新的样本会影响已经学完的样本；5）每次输入样本特征的数目必须确定且相同.

1.2入侵检测技术

通过对系统数据的分析,当发现有非授权的网络访问和攻击行为时,采取报警、切断入侵线路等措施来维护网络安全,这被就是入侵检测技术.采用此技术设计的系统称为入侵检测系统.根据采用的技术来说入侵检测系统应具有以下几个特性：1）监视用户及系统活动；2）分析用户及系统活动；3）异常行为模式分析；4）识别已知的进攻活动模式并反映报警；5）系统构造和弱点的审计,操作系统的审计跟踪管理；6）评估重要的系统和数据文件的完整性,并识别用户违反安全策略的行为.

目前最常用的攻击手段有：拒绝服务、探测、非授权访问和非授权获得超级用户权限攻击.而且这些攻击手段在实际中还有很大的变异,因此给入侵检测带来了一定的难度.BP神经网络的自组织自学习能力,使得经过训练后的BP神经网络对以前观察到的入侵检测行为模式进行归纳总结,除了可以识别出已经观察到的攻击,还可以识别出由已知攻击变异出的新的攻击,甚至是全新的攻击.

2.3改进的神经网络算法

人工神经网络在模式识别、非线性处理、信号检测等领域应用非常多,这是由于人工神经网络具有的良好的自适应和自组织性,高度的非线性特性以及大规模并行处理和分布式信息存储能力的特性.BP神经网络算法实质上是非线性优化问题的梯度算法,该算法在收敛性问题上存在限制与不足.即该算法学习的结果不能保证一定收敛到均方误差的全局最小点,也有可能落入局部极小点,使算法不收敛,导致陷入错误&