ACO-BP算法优化及其在入侵检测中的应用

发布时间：2022-08-08 10:21

　　随着网络信息技术的快速发展,人们的生活与网络密不可分,网络在人们的工作、学习以及生活的方方面面都显得不可或缺。信息技术给人们带来方便,但随之而来的网络安全问题是人们无法忽略的。因此,对网络安全问题的研究变得尤为必要。入侵检测在网络安全中发挥着至关重要的作用,它的实时性和主动性,是现如今网络安全问题多样化趋势下必不可少的存在。在学术界,研究者们对入侵检测的研究极其重视,并且对检测方法的研究也越来越多样。在主流的入侵检测方法中,神经网络的自学习、自适应和并行计算等特点使得它在入侵检测技术中的应用至关重要。本文以入侵检测技术中BP神经网络的应用原理为切入点,围绕BP神经网络算法的原理及应用,就优化BP算法进行研究。本文的主要工作如下:（1）从入侵检测技术的特点进行研究,进而分析BP算法,因为误差反向调整权值和阈值的过程是采用梯度下降法,所以算法有易陷入局部最优的缺点,因此利用蚁群算法的全局寻优能力对权值和阈值的选择进行优化。在对蚁群算法的工作原理详细分析的基础上,详细探讨了蚁群算法优化BP（简称ACO-BP）算法的基本思想。（2）为提高蚁群算法的寻优能力,采用全局和局部相结合的方式实现信息素... 

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
中文摘要
英文摘要
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 本文的研究内容及组织结构
        1.3.1 本文的研究内容
        1.3.2 本文的组织结构
2 相关关键技术概述
    2.1 入侵检测技术概述
        2.1.1 入侵检测分类
        2.1.2 主要入侵检测技术
    2.2 BP神经网络概述
        2.2.1 BP神经网络结构
        2.2.2 BP神经网络算法思想
    2.3 蚁群算法概述
        2.3.1 蚁群算法原理
        2.3.2 蚁群算法的算法思想
    2.4 本章小结
3 优化BP神经网络
    3.1 BP神经网络的不足
    3.2 参数优化方法
    3.3 蚁群算法优化BP算法思想
        3.3.1 分割权值和阈值
        3.3.2 寻路概率公式
        3.3.3 全局更新信息素
        3.3.4 ACO-BP算法流程
    3.4 改进的蚁群算法优化BP算法思想
        3.4.1 寻路概率公式的选择策略
        3.4.2 全局更新信息素改进策略
        3.4.3 局部更新信息素改进策略
        3.4.4 AACO-BP算法流程
    3.5 本章小结
4 优化BP神经网络在入侵检测的应用
    4.1 入侵检测系统概述
    4.2 优化BP算法的应用
        4.2.1 输入预处理概述
        4.2.2 BP神经网络模块
    4.3 优化BP算法仿真实验
        4.3.1 实验设计
        4.3.2 实验数据样本
        4.3.3 实验结果分析
    4.4 本章小结
5 总结与展望
    5.1 本文工作的总结
    5.2 对研究工作的展望
参考文献
附录：作者在攻读学位期间发表论文
致谢



本文编号：3671332