基于DE优化的BP神经网络在入侵检测中的应用

崔珂 付丽霞 张勇 毛剑琳 任玉洁

摘要：伴随物联网的迅速发展，网络安全问题变得越来越重要。早期采用的传统BP神经网络算法存在一些致命缺点，如收敛速度较慢、无法跳出局部最优陷阱等。针对传统BP神经网络的问题，选用差分进化算法（DE），通过差分进化算法与神经网络融合，优化BP神经网络的权值、阈值，使BP神经网络的学习能力和差分进化算法的全局搜索优势都得到充分发挥，仿真实验证明了该方法的有效性。

关键词：入侵检测；差分进化；BP神经网络

DOI：10.11907/rjdk.173075

中图分类号：TP319

文献标识码：A文章编号：1672-7800（2018）007-0173-03

Abstract：Withtherapiddevelopmentoftheinternetofthings，theissueofnetworksecurityhasbecomemoreandmoreimportant.theearlytraditionalBPneuralnetworkalgorithmsuffersfromsomefatalflaws，suchasslowconvergence，inabilitytojumpoutofthelocaloptimaltrapandotherdefects.Therefore，inthispaper，thedifferentialevolution（DE）algorithmischosentosolvetheproblemsatthetraditionalBPneuralnetwork.Bycombiningthedifferentialevolutionalgorithmwiththeneuralnetwork，theweightsandthresholdsoftheBPneuralnetworkareoptimizedsothatthelearningabilityanddifferenceoftheBPneuralnetworkandtheglobalsearchadvantageofevolutionaryalgorithmarefullyexerted，andthesimulationresultsshowtheeffectivenessofthismethod.

KeyWords：intrusiondetection；differentialevolution；BPneuralnetwork

0引言

随着网络的发展，网络入侵事件越来越多，将人工神经网络引入入侵检测是近年研究的重点，相关研究较多。如：MansouriM、GolsefidMT等[1]提出了基于多层人工神经网络和智能特征选择的混合入侵检测系统；JoS、SungH等[2]使用决策树和人工神经网络模型对入侵检测性能进行分析；AmrutaM、TalharN等[3]使用人工神经网络对有线局域网进行有效的拒绝服务攻击检测；徐振华[4]使用BP神经网络对分布式入侵检测模型进行了研究；沈夏炯、王龙等[5]使用人工蜂群对BP神经网络在入侵检测中的应用进行了研究。本文针对传统BP人工神经网络存在收敛速度慢、容易陷入局部极值等问题，使用差分进化算法（DE）对其进行改进，以解决传统BP人工神经网络存在的问题。

1BP人工神经网络

BP人工神经网络[6]是通过模仿人脑神经元细胞工作方式建立的一种仿生物学算法。BP神经网络是由大量简单元件——神经元相互联接而成的自适应非线性动态系统。……