基于结构优化BP神经网络算法的网络异常检测研究

发布时间：2017-12-25 00:38

  本文关键词：基于结构优化BP神经网络算法的网络异常检测研究　出处：《辽宁大学》2016年硕士论文　论文类型：学位论文

  更多相关文章： 网络异常检测 调整BP神经网络结构 PCA 权淘汰 泛化性能

【摘要】：随着互联网的不断深入发展,其巨大的网络知识共享功能极大提高我们的学习能力,与此伴随着网络空间安全面临日益严重的威胁。传统的网络威胁主要来自病毒、木马、口令入侵、节点攻击等传统攻击方法,随着移动互联网时代的到来,黑客入侵技术不断升级,各种新的攻击方法不断涌现出来,网络安全形势不容乐观。流量检测作为一种主动防御的安全技术,提供多层次、多方位的实时保护,为系统构筑继系统防火墙之后的重要防线。当前的流量检测技术不断发展,融入神经网络、蚁群算法等智能化技术。本文的主要工作是研究异常检测的方法。其中,网络异常体现在网络流量层面,本文涉及的网络异常检测实质是网络流量异常检测。异常流量指偏离正常范围的网络流量,异常流量体现在流量特征值波动。检测流程：首先,将采集流量数据进行预处理,采用PCA方法进行特征提取,实现线性降维；其次采用结构优化后的BP算法进行训练学习；最后,验证优化后算法的泛化能力和检测率。优化BP算法阶段,为提高算法泛化性能,提出神经网络结构优化方向,一个方向是优化输入层节点数,可以采用PCA降维处理,另一个方向是调整隐层,可以减少隐层层数和每个隐层节点数。针对隐层节点数的优化,提出权淘汰的连接权值调整,具体是将非零权值趋向零,如果造成误差明显增大则表示权值必须保留,否则被淘汰,最终使得隐层中连接权值为零的节点删除,实现隐层结构优化。传统的BP神经网络剪枝中权惩罚方法具有局限性,本文证明权淘汰算法具有收敛性,即算法有效性,且在泛化性能上优于权惩罚方法。通过以上两大方向优化BP神经网络的结构,有效降低算法时间复杂度。综上,本文提出基于结构优化BP神经网络算法的网络异常检测,这种改进的BP神经网络算法能够优化和调整网络结构,注重降低BP拓扑结构复杂度,可以有效提高算法的泛化能力,提高在骨干网络节点的异常检测的检测率。实验结果表明,这种优化的算法在时间复杂度以及收敛性能方面都优于传统BP算法,应用于网络异常检测系统中的检测率和时间效率明显要优于传统BP算法。
【学位授予单位】：辽宁大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP183;TP393.08

【相似文献】

相关期刊论文 前10条

1 聂卫东,欧阳松,李财莲;BP神经网络算法在图像预测物体重量中的应用[J];湖南工业职业技术学院学报;2004年02期

2 衣云龙;;改进BP神经网络算法在机器人轨迹优化中的研究[J];沈阳工程学院学报(自然科学版);2012年01期

3 邓颖,何怡刚,Y.Sun;容差模拟电路故障诊断BP神经网络算法(英文)[J];湖南大学学报(自然科学版);2000年S1期

4 岑雄鹰;;BP神经网络算法在龙门吊称重系统的应用[J];江苏技术师范学院学报;2007年02期

5 张一文;齐佳音;方滨兴;李欲晓;;非常规突发事件网络舆情热度评价体系构建——基于BP神经网络算法(英文)[J];中国通信;2011年02期

6 黄新波;王娅娜;刘林;宋桐;;变压器油色谱在线监测中BP神经网络算法分析[J];陕西电力;2013年06期

7 张静,宋锐,郁文贤;雷达目标识别中的BP神经网络算法改进及应用[J];系统工程与电子技术;2005年04期

8 蔡辉春;;一种随机学习速率的BP神经网络算法[J];计算机与数字工程;2008年10期

9 侯彦东;方惠敏;杨国胜;丁文珂;;一种改进的可变学习速率的BP神经网络算法[J];河南大学学报(自然科学版);2008年03期

10 沈亮,吴克坚;混合遗传算法对BP神经网络算法的改进[J];机械设计与研究;2004年02期

相关会议论文 前2条

1 彭本红;吕永成;黎雪霖;刘春霞;;基于改进的BP神经网络算法的区域生态环境可持续发展协调度评价研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年

2 朱小梅;杨先凤;吕南;;基于主成分分析的BP神经网络算法在软件风险识别中的应用研究[A];“中国视角的风险分析和危机反应”——中国灾害防御协会风险分析专业委员会第四届年会论文集[C];2010年

相关硕士学位论文 前2条

1 刘兴万;基于结构优化BP神经网络算法的网络异常检测研究[D];辽宁大学;2016年

2 蔡金亮;BP神经网络算法在球磨机控制系统中的应用研究[D];华北电力大学（河北）;2010年

，

本文编号：1330657