基于自适应进化神经网络算法的入侵检测*

杨宏宇,赵明瑞,谢丽霞

(中国民航大学计算机科学与技术学院,天津 300300)

基于自适应进化神经网络算法的入侵检测*

杨宏宇,赵明瑞,谢丽霞

(中国民航大学计算机科学与技术学院,天津 300300)

针对目前多数入侵检测系统的低检测率问题，提出一种自适应进化神经网络算法AENNA。基于遗传算法和BP神经网络算法，利用模拟退火算法的概率突跳和局部搜索强的特性对遗传算法进行改进，采用双种群策略的遗传进化规则实现BP神经网络权值和结构的双重优化；通过对遗传算法的交叉算子与变异算子的改进，设计一种自适应的神经网络训练方法。实验结果表明，基于AENNA的入侵检测方法能够有效提高系统的检测率并降低误报率。

遗传算法；神经网络算法；模拟退火算法；入侵检测

1 引言

当今社会，随着网络技术和网络规模的不断发展，针对网络和计算机系统的攻击变得越来越频繁，攻击手法也复杂多样。而传统的入侵检测技术由于技术自身的局限和不足已无法满足安全高度敏感部门的需求，研究人员对诸如神经网络技术、专家系统、机器学习和进化算法等智能方法在入侵检测中的应用开展了大量研究，为入侵检测领域的研究开启了一个崭新的方向[1]。

文献[2]在基于最小闭包球的支持向量机算法的基础上，提出了基于广泛内核的最小闭包球算法的入侵检测方法,但该方法无法高效处理多类问题且范围限制严格。文献[3]提出一种基于关联决策的网络多源入侵检测算法，该算法运用模糊识别手段，通过计算各个多源子攻击的关联度，对入侵行为进行模糊差异聚类，完成入侵检测，但过于依赖参数特征的计算准确性，对预分类的结果影响较大。……