改进的HS算法优化BP神经网络的入侵检测研究

计算机工程与科学

• 计算机网络与信息安全 • 上一篇下一篇

改进的HS算法优化BP神经网络的入侵检测研究

丁红卫，万良，邓烜堃

（贵州大学计算机科学与技术学院，贵州贵阳 550025）

收稿日期:2017-10-23 修回日期:2018-05-07 出版日期:2019-01-25 发布日期:2019-01-25
基金资助:
贵州省科学基金黔科合J字[2011]（2328）；贵州省科学基金黔科合LH字［2014］（7634）

Optimizing intrusion detection of BP neural networks

by a modified harmony search algorithm

DING Hongwei,WAN Liang,DENG Xuankun

（College of Computer Science and Technology,Guizhou University，Guiyang 550025,China）

Received:2017-10-23 Revised:2018-05-07 Online:2019-01-25 Published:2019-01-25

摘要/Abstract

摘要：

基于传统BP神经网络的入侵检测中，BP神经网络算法模型存在着易陷入局部最优且初始值随机性较大的缺陷。初始值的选择直接影响到BP神经网络的训练效果，较好的初始值有利于BP神经网络跳过局部最优，从而提高训练效率。针对BP神经网络的缺陷，提出了用改进的和声搜索算法对BP神经网络的初始值进行优化，使得BP神经网络得到一组较优的初值的方法。实验结果显示，改进的和声搜索算法具有更高的适应度函数值，将该算法优化的BP神经网络用在入侵检测中，能够显著提高算法检测率和收敛速率。

关键词: BP神经网络, 入侵检测, 和声搜索算法, 初始值优化, 局部最优

Abstract:

In intrusion detection based on traditional BP networks, the model of the BP network algorithm is easy to fall into local optimum and the initial value is random. So how to choose initial value directly affects the training effect of BP networks. We therefore propose an improved harmony search (HS) algorithm to optimize the initial value of BP neural networks, which gets the BP neural network a set of better initial values. Experimental results show that the improved HS algorithm has higher fitness function value, and the detection rate and convergence rate of the algorithm are improved when the BP network optimized by this algorithm is used in intrusion detection.

Key words: BP neural network, intrusion detection, harmony search algorithm, initial value optimization, local optimum

丁红卫，万良，邓烜堃. 改进的HS算法优化BP神经网络的入侵检测研究[J]. 计算机工程与科学.

DING Hongwei,WAN Liang,DENG Xuankun.

Optimizing intrusion detection of BP neural networks

by a modified harmony search algorithm

[J]. Computer Engineering & Science.

[1]	谭郁松, 王伟, 蹇松雷, 易超雄. 基于异常保持的弱监督学习网络入侵检测模型[J]. 计算机工程与科学, 2024, 46(05): 801-809.
[2]	陈俊彦, 卢贤涛, 黄雪锋, 卢小烨, 廖岑卉珊. 基于Double-Bagging特征降维异质集成入侵检测[J]. 计算机工程与科学, 2023, 45(06): 1011-1019.
[3]	刘云, 郑文凤, 张轶. 代价约束算法对入侵检测特征提取的优化研究[J]. 计算机工程与科学, 2022, 44(03): 447-453.
[4]	胡新荣, 刘嘉文, 刘军平, 彭涛, 何儒汉, . 基于改进GA-BP-MC神经网络的人体三维尺寸预测[J]. 计算机工程与科学, 2021, 43(08): 1443-1453.
[5]	邓翔宇, 张屹南, 杨雅涵. 一种用于交通标识分类的形状识别算法[J]. 计算机工程与科学, 2021, 43(02): 322-328.
[6]	沈晓燕, 王雪梅, 王燕. 基于样本熵和模式识别的脑电信号识别算法研究[J]. 计算机工程与科学, 2020, 42(08): 1482-1488.
[7]	朱世松，巴梦龙，王辉，申自浩. 基于NBSR模型的入侵检测技术[J]. 计算机工程与科学, 2020, 42(03): 427-433.
[8]	陈丽芳,冯力静,刘保相. 神经网络规则优化建模与应用[J]. 计算机工程与科学, 2019, 41(12): 2247-2254.
[9]	吴曼曼1，徐建新 1，2. 基于EMD改进的Elman神经网络对股票的短期预测模型[J]. 计算机工程与科学, 2019, 41(06): 1119-1127.
[10]	张毅，张珉浩. 基于机器学习的能力评价与匹配研究[J]. 计算机工程与科学, 2019, 41(02): 363-369.
[11]	张莹杰，张树群. 改进约束鸡群算法在神经网络的应用[J]. 计算机工程与科学, 2018, 40(12): 2252-2257.
[12]	王琳琳1，刘敬浩1，付晓梅2. 基于极限学习机与改进K-means算法的入侵检测方法[J]. 计算机工程与科学, 2018, 40(08): 1398-1404.
[13]	张凤斌，范学林，席亮. 免疫入侵检测多目标优化克隆选择算法研究[J]. 计算机工程与科学, 2018, 40(02): 261-267.
[14]	蔡立军1，潘江波1，陈磊2，何庭钦1. 一种基于繁忙时间的并行调度能耗优化算法[J]. 计算机工程与科学, 2017, 39(01): 42-48.
[15]	杜涛，阮爱武，汪鹏，李永亮，李平. 一种基于BP神经网络的集成电路PHM模型[J]. 计算机工程与科学, 2017, 39(01): 55-60.

改进的HS算法优化BP神经网络的入侵检测研究

Optimizing intrusion detection of BP neural networks

by a modified harmony search algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价