基于BP网络与改进的PSO算法的入侵检测研究

doi:10.3969/j.issn.1007130X.2010.

J4 ›› 2010, Vol. 32 ›› Issue (6): 34-36.doi: 10.3969/j.issn.1007130X.2010.

基于BP网络与改进的PSO算法的入侵检测研究

沈学利,张纪锁

（辽宁工程技术大学电子与信息工程学院,辽宁葫芦岛 125105）

收稿日期:2009-05-19 修回日期:2009-09-14 出版日期:2010-06-01 发布日期:2010-06-01
通讯作者: 张纪锁 E-mail:zhjsuo@126.com
作者简介:沈学利(1969),男，江苏连云港人，副教授,研究方向为计算机网络安全和虚拟现实等；张纪锁，硕士生，研究方向为计算机网络安全。

Reserch of Intrusion Detection Based on the BP Networks and the Improved PSO Algorithm

SHEN Xueli,ZHANG Jisuo

(School of Electronics and Information Engineering,Liaoning Technical University,Huludao 125105,China)

Received:2009-05-19 Revised:2009-09-14 Online:2010-06-01 Published:2010-06-01

摘要/Abstract

摘要：

本文针对入侵检测系统中的误检率，提出了一种将BP网络和改进的PSO算法相结合的方法。该方法基于BP网络算法的局部精确搜索和改进的PSO算法的全局搜索的特性，并且用改进的PSO算法优化BP网络的权值、阈值，克服BP网络算法易陷入局部极值的弊端。在入侵检测系统中应用该网络结构，能准确地发现已知的攻击行为，并能进一步预测新的攻击行为，减少了入侵事件的漏报和误报。通过KDD99 CUP 数据集进行仿真实验，与基于PSOBP算法、传统的BP算法的入侵检测系统相比较，表明改进的PSOBP算法的迭代次数较少、收敛速度快、检测率高，有一定的有效性。

关键词: 改进的PSO, BP网络, 入侵检测

Abstract:

This paper shows a way that combines the BP networks with the improved PSO algorithm aiming at false positive rate in intrusion detection systems(IDS).Based on the characteristics of the local precise search of the BP networks and the global search of the improved PSO algorithm, this method optimizes the weight and threshold of the BP networks, conquers the disadvantages of the BP networks that are easily trapped in the local extremum. And the network structure is applied into intrusion detection systems, which can discover the known detection exactly, forecast the new detection ,and reduce the invasion of omissions and the false alarm rate. Comparing the simulation results of the KDD99 CUP dataset with the intrusion detection system based on the traditional BP networks and the improved PSOBP network algorithm, the improved PSO algorithm shows less iteration times, quicker convergence rate,higher detection rate ,and sufficient availability.

Key words: improved PSO algorithm;BP networks;intrusion detection

中图分类号:

TP393.08

沈学利,张纪锁. 基于BP网络与改进的PSO算法的入侵检测研究[J]. J4, 2010, 32(6): 34-36.

SHEN Xueli,ZHANG Jisuo. Reserch of Intrusion Detection Based on the BP Networks and the Improved PSO Algorithm[J]. J4, 2010, 32(6): 34-36.

[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]	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.
[5]	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, 2019, 41(01): 65-72.
[6]	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.
[7]	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.
[8]	唐湘滟, 程杰仁, 殷建平, 龚德良. 基于NP模式的报文检测方法[J]. 计算机工程与科学, 2014, 36(11): 2128-2131.
[9]	杨宏宇,赵明瑞,谢丽霞. 基于自适应进化神经网络算法的入侵检测[J]. J4, 2014, 36(08): 1469-1475.
[10]	马占飞1，尹传卓2. 基于ACE和SSL的Firewall与IDS联动系统研究[J]. J4, 2014, 36(08): 1486-1492.
[11]	朱文杰1,2，王强2，翟献军1. 基于信息熵的SVM入侵检测技术[J]. J4, 2013, 35(6): 47-51.
[12]	王海龙1,2，唐勇2，龚正虎2. 僵尸网络命令与控制信道的特征提取模型研究[J]. J4, 2013, 35(2): 62-67.
[13]	翁广安1，余胜生2，周敬利2. 改进的字节频度负载异常入侵检测方法[J]. J4, 2012, 34(7): 24-28.
[14]	王娟1，彭静2，王灿3. 网络态势感知中的报警记录觉察研究[J]. J4, 2012, 34(7): 39-45.
[15]	史志才，夏永祥. 基于粗糙集的入侵检测方法研究[J]. J4, 2012, 34(2): 13-18.

基于BP网络与改进的PSO算法的入侵检测研究

Reserch of Intrusion Detection Based on the BP Networks and the Improved PSO 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