基于量子遗传算法优化神经网络的入侵检测研究 用遗传算法优化神经网络

昭棠笔记 2023-01-25

lanjingling-纷飞

2022年5月1日发

(作者:aiko)

第37卷 第23期 

计算机工程 

2011年l2月 

V_0l-37 

NO.23 

Computer Engineering 

December 201 1 

・安全技术・ : ̄ltttllll lo0o一-3428(2ol1)23—o124—03 文献标识码:A 中圈分类号l PT391 

基于量子遗传算法优化神经网络的入侵检测 

张澎蚌埠seo,高守平企业网络营销方案,王鲁达 

(湘南学院计算机科学系西安推广公司,湖南郴州423000) 

摘要:针对入侵检测的效率及准确性问题wap推广,提出一种基于量子遗传算法优化神经网络的入侵智能检测模型,该模型基于量子遗传算法的 

全局搜索和神经网络局部搜索特性新产品推广,将量子遗传算法和BP算法有机结合。利用改进的量子遗传算法优化BP神经网络的权重和阈值, 

使BP神经网络能快速准确地识别入侵快速网站优化哪家好,增强计算机网络安全。运用Matlab软件对该模型进行仿真robots文件。实验结果表明,与其他同类方法相比, 

该方法的检测率更高、误报率更低。 

关健诃:入侵检测;量子遗传算法;智能检测;BP神经网络;网络安全 

Intrusion Detecti0n Based 0n Neural Network 

Optimized by Quantum Genetic Algorithm 

ZHANG Peng百度指数是什么,GAO Shou-ping,WANG Lu-da 

(Department of Computer Science,Xiangnan University网络营销策划师,Chenzhou 423000,China) 

[Abstract]To solve the problem of efifciency and veracity of intrusion detection购买外链,this paper presents atl intrusion detection model based on 

quantum genetic algorithm and neural network.The model takes advantage of hte global search property of hte quantum genetic algorihtm and the 

exact local search characteristics of hte BP neural network单页优化,and combines quantum genetic algorihtm and BP neural network.The weight and hte 

thresholds of the BP nepal network are optimized by the improved quantum genetic algorithm,SO that the BP neural network enhances efifciency 

and veracity of intrusion detection,thereby improving network security.Matlab emulating experiments of htis model show htis method is better than 

other kinds of methods in detection rate and false alarm rate. 

[Key words]intrusion detection;quantum genetic algorithm;intelligent detection;BP neural network;network security 

DOh 10.39690.issn.1000—3428.2011.23.042 

1概述 

2基于量子遗传算法的BP神经网络优化 

网络中丰富的信息资源给用户带来极大方便,但同时也 

本文采用的神经网络学习算法是BP算法,但其收敛速 

产生了安全问题站长基地,有越来越多的攻击事件发生网站建设的过程,计算机网络 

度慢草根站长工具,存在局部更优问题。故基于神经网络的入侵检测面临 

安全问题日益突出。随着新的攻击技术不断出现,入侵检测 

的一个主要任务是效率问题和准确性问题北京网站推广优化公司。基于量子遗传算 

的智能性研究成为入侵检测系统研究的主要方向市场推广活动方案。基于状态 

法的全局搜索和BP网络局部搜索的特性,可以将量子 

转移分析的入侵检测系统,入侵被表示成为目标系统的状态 

遗传算法和BP算法有机结合湖南网,利用量子遗传算法的优化能 

转换图,它虽然能在一定程度上预测下一步可能的攻击百度爱番番,但 

力河南网站建设公司,开展基于量子遗传算法优化BP网络用于入侵检测研究, 

它能够检测的入侵模式局限于指定的连续事件,而不能检测 

以提高检测算法对未知入侵检测的有效性为目标搜索排名,从检测率 

更复杂的形式发外链。 

和误报率2个重要指标出发进行网络入侵检测百度主题推广。 

文献【1]基于结合适应度与多样性的遗传算法在入侵监 

2.1量子编码 

测系统中的应用访客数,但没有给出具体的实验验证其应用的效率全网推广外包。 

编码采用量子比特编码方式,即将神经网络中的参数竞价推广托管谁家好, 

文献【2】基于网络数据流的异常检测盐城网站优化,使用KD—TREE数据结 

经过一定的组合和调配构成一个类染体狼雨seo教程,并进一步转化为 

构建立检测模型,并用遗传算法实现该模型,提出一个入侵 

二进制形式江津网站建设。 

检测系统domain 。文献【3】利用整数编码网络营销方式,把普通遗传算法和入侵检 

测技术结合企业网站建设要求,进行调试试验企业形象推广,并得到较好的效果网站怎么防攻击。文献[4】提 

c -.-・ ・0'211"0 22 -..・t ‘ ・砭・ 

到协同进化遗传算法在自动入侵响应中的应用,以便能提高 l … f

. 

K1K2…Ki 

binary 

检测入侵的成功率和响应的准确度seo优化网。但并未给出具体的染 U 上J 

体的表达和适应度值的计算以及基本遗传操作、种规模等。 C Cz 

文献【5】将入侵特征的抽取和分类模型的建立进行联合优化下拉框, 

同时利用训练数据的统计特性指导入侵特征的抽取,但只对 

基金项目:湖南省科技计划基金资助项目(2010FJ6028);湖南省教育 

厅重点科研基金资助项目(08A064);湖南省高校科研基金资助项目 

特征空间进行线性变换佛山 网络推广。 

(10C1236) 

本文提出一种基于量子遗传算法优化BP神经网络的入 作者简介:张澎(1982--)湖南长沙seo,女,讲师、硕士成都优化,主研方向:入侵检测, 

侵检测模型,该模型具有自组织、自学习及推理的自适应 神经网络;高守平,教授、博士;王鲁达站长基地,讲师、硕士研究生 

能力。 收稽日期:2011-06:15 E—mall:mimazp@126.com 

第37卷第23期 张澎,高守平,王鲁达:基于量子遗传算法优化神经网络的入侵检测 125 

在式(1)中,m为染体基因个数,对应于神经网络中参 

数的个数;k为编码每个基因的量子比特数深圳网站seo优化。对某个参数seo案例, 

流量数据蚌埠网站制作公司,每一分钟计算一次这段时间内的各流量特征的统 

计值实战培训,作为神经网络的输入。通过网络流量异常的可视化分 

析遵义网站建设公司,网络流量异常被分成2类。 

利用量子遗传算法(QGA)的优点来克服BP算法收敛慢 

和易局部收敛的缺陷网页推广软件,同时与BP算法的结合,也解决了单 

独利用QGA往往不能在短时间内寻到接近更优解的这一 

如果参数为 泉州网站设计,则k=l lb,z J,l 表示向上取整。根据具体情 

况而定。对于一个用概率幅编码的染体进行测量获得的一 

个确定的由二进制表示的解营销时代。该确定解对应一种神经网络参 

数的组合方案如式(1)所示博客发布软件。 

在本文设计的编码及其映射意义上网络营销的概念,选择的是神经网络 

所有可能的参数集合饮料营销。所以,一个确定解准确的说代表一种 

神经网络参数的组合方案。 

问题怎样做网站推广,引入BP算法的梯度信息将会避免这种现象。因此, 

可将BP神经网络的训练部分分成2个部分:用量子遗传算 

法来优化网络的初始权值;用BP算法来训练入侵检测数据, 

从而得到网络模型。 

2.2相对更优染体的选择 

经过选择、交叉和变异操作后,可以用参数组合来进行 

神经网络的训练百度刷下拉框,然后统计正确检测到的攻击数和被误判为 

攻击的连接数目保定网站建设,根据训练结果与检测结果来进行参数组合 

采用三层BP网络直通车优化,其中,WIHij为输入层中第i个结点 

与隐含层第 个结点的连接权值;WHOjf为隐含层中第 个 

结点与输出层第i个结点的连接权值。肼为隐含层中第i个 

(染体的)评价新乡seo。 

首先把测量到的量子遗传算法的第一代 第一个染体 

的值作为参数赋值给BP神经网络60只蚊子写作文,让BP神经网络去做入侵 

检测鄂州网站建设,然后测算实验结果和目标结果的误差是否在误差范围 

之内快速排名软件,若大于误差范围,则继续调用量子遗传算法给BP神 

经网络参数赋值,否则终止百度司南。 

这里没有给出具体的适应度函数石榴算法,让适应度函数选择相 

对更优染体,而是测算训练结果和实际结果的误差来判断推广微博, 

在一代中误差值最接近设定的误差许可值的,作为一代中的 

更优解,让这个更优解去进化下一代染体。 

2.3量子门更新策略 

量子门的旋转角的大小和方向采用进化方程的方式进行 

调整,不再用查表的方式获得。采用这种方式主要有2个 

优点: 

(1)可以减少参数的个数,简化了量子遗传算法的结构; 

(2)进化方程具有记忆的特性创建博客,不仅可以利用个体自身的 

局部更优信息,也可以利用邻域种的更优信息,还利用了 

整个种更优状态的信息又名随州站长网,从而更合理地调整旋转角0,比 

传统的量子遗传算法具有更好跳出局部极值的能力。 

定义的进化方程为: 

0=kl(Pm一 )+ 2(p 一 )+k3(P,一 )+ (p—xi) (2) 

其中,k1软文发布,k2,k3seo关键词快速排名,k为影响因子;Pf,Pj为左右邻域种极值; 

P 为个体所在种极值;P为全局极值雅虎优化。 

2.4量子变异 

在传统遗传算法中广州网络推广,变异的作用主要在于提供算法局部 

搜索能力和阻止未成熟收敛seo术语,由于量子变异要同时满足遗传 

算法和量子并行性对变异操作的要求,因此本文定义了单量 

子比特变异操作,其方法可进一步推广到多量子比特的情形, 

具体方法如下: 

(1)以概率Pf从种中随机选取若干个个体; 

’ (2)对选中的个体按确定的概率随机确定一个或多个变 

异位; 

(3)对选中位量子比特的概率幅执行对换操作。 

量子变异操作实际上是更改了该量子比特态叠加的状 

态,使得原来倾向于坍缩到状态“1”的变为倾向于坍缩到状 

态“0”baidu指数,或者相反。显然,该变异操作对染体的所有叠加 

态均同时有效。 

3算法设计 

首先通过分类器对捕捉到的数据进行特征分析51啦统计,然后对 

出现的未知类型投入到训练样本中exam ipmph com,进行神经网络的学习 

后,再次使用神经网络分类器进行分类。根据采集可控网络 

结点的输出;Oi为输出层中第 个结点的输出;li为输入层 

中第 个结点的输出工具查询。 

采用的QGA算法优化BP网络的算法描述如下: 

(1)编码 

初始化种P百度的竞价排名,包括变异概率Pm以及对WIHij和WHOji 

初始化;在编码中菜鸟站长论坛,采用量子编码如何建立自己的博客。 

(2)相对更优染体的选择 

计算每一个个体适应度函数互点精灵,并对其排序;可按下式选 

择网络: 

P = /∑ (3) 

其中, 为个体i的适应度值,可用误差平方和E来衡量百度上海公司,即: 

厂“)= (4) 

E(f)=∑∑( 一 )‘ (5) 

其中,k为输出层节点数;i为染体数; 为教师信号;P 

为学习样本数( ,fseo网站运营,P取值均为1,2一百度,…购物网站建设, )。 

(3)变异操作 

利用概率P 突变产生G 的新个体G’,招商软文,将新个体插入到 

种P中,并计算新个体的适应度函数。 

(4)对BP神经网络的误差平方和进行计算,若达到预定 

值sG ,则结束优化设计,否则转步骤(3)大连网络营销,继续向下执行,以QGA遗 

传出的解作为初始权值,用BP算法训练网络,直到指定精 

度EBP(铀P< GA)。 

(5)重复步骤(2)一步骤(4)上海优化seo,直到进化代数达到要求或网络 

误差满足条件时结束量子遗传算法广告费一般多少钱,选择网络误差最小的一 

组权值作为BP网络训练的初始权值收录批量查询,再利用BP算法进行训 

练,使最终误差达到要求。 

经过上述一系列的遗传操作就可以求得各参数的更优解 

值,再根据各变量之间的关系可以得到神经网络的所有的参 

数值刷微博指数。 

4实验环境及结果 

用于网络入侵检测的生物算法很多百度刷下拉框。如前面提到的传统 

BP算法、遗传算法等。本文把基于量子遗传算法的BP网络 

模型应用到网络入侵检测中,期望改进入侵检测系统的性能西安百度竞价推广。 

为验证本文方法的有效性,采用KDD Cup 1999标准入 

侵检测数据集进行实验。KDD99 CUP数据集是由Defence 

Advanced Research Projects Agency(DARPA)和麻省理工学院 

的Lincoln实验窒提供的入侵数据集采集样本下拉框李守洪排名大师。 

神经网络采用如下结构:输入层的节点数为40个株洲网站建设,隐含 

层的节点数为l0个,输出节点数为1个淄博百度,判断阈值为1.8淘宝关键词查询。 

126 计算机工程 2011年12月5日 

采用QGA优化初始神经网络权重的方法网站推广联盟,QGA操作的参数 

为:选择种个数N=50,更大进化代数gen=500网站建设什么公司好,变异概率 

Ps=O.095万里平台。BP算法参数为:初始学习率Ir-=0.005,设定的误 

差(是输出值与真实输入之间的差值的值)为O.000叭,最 

大循环数为1 000南宁搜索引擎优化。 

实验同时对BP网络、遗传算法优化BP网络(GA-BP)、 

改进的量子遗传算法优化BP网络(QGA-BP)进行比较分析, 

结果如图1~图3所示苏州seo优化。 

训练步数 

圈1 BP{ll练示意田 

圈2 GA-BP调练示意图 

图3 QGA-BP{l叮镰示意图 

从图1一图3可以看出,在这组数据中,BP训练步数为 

327步搜索 百度,时间为25.112 000 S,相对收敛较慢郑州seo服务,均方误差为: 

0.121 3;GA—BP训练步数为251步邵阳网站优化,时间为22.119 000 S海口做网站, 

均方误差为:1.378 6e一003;QGA—BP训练步数为23步湘潭网站seo,时 

间为12.135 000 S,均方误差为:1.258 4e一003。对QGA—BP 

而言seo外链怎么发,无论是从训练时间上还是从误差上都有明显提高。 

本文通过对DOS中的Smurf攻击、PROBE中的Satan 

攻击、R2L中的Guess_passwd攻击与U2R中的Perl攻击进 

行测试营销机构,检测率平均在84.25%-88.87%之间得搜,平均值为 

86.81%公关公司是做什么的,误报率平均在2.12%一2.82%之间,平均值为 

2.44%。 

结合表1、表2可以看出,改进后的算法相比于同类算 

法在DOS中的Smurf攻击、PROBE中的Satan攻击、R2L 

中的Guess—passwd攻击和U2R中的Perl攻击下具有较高的 

检测率和较低的误报率拉萨网,从一定程度上有效地解决了目前入 

侵检测算法存在的问题。 

表1 3种算法的检测率比较 

5结束语 

入侵检测作为一种主动防御技术用户画像,弥补了传统安全技术 

的不足seo排名优化培训。本文采用量子遗传算法优化BP神经网络,用于入 

侵检测网络营销整合。该方法不仅能检测出未知攻击搜索引擎优化,还能有效利用神经 

网络的分类及识别能力seo优化方案,在一定程度上提高入侵检测效率, 

并降低误报率海尔网络营销策略。 

参考文献 

[1]李闻搜索引擎原理,戴英侠辽宁网站优化,连一峰成都黑帽seo,等.基于混杂模型的上下文相关主 

机入侵检测系统[J]_软件学报,2009大型门户网站建设,20(1):138—151. 

[2]张名段,王方伟,张玉澎知更鸟主题,等.协同进化遗传算法及其应用[J]. 

计算机工程,2004百度搜索排行榜,30(15):67—69. 

[3]张凤斌,杨永田,江子扬.遗传算法在基于网络异常的入侵检 

测中的应用【JJ.电子学报,2004,32(5):875—877. 

[4]郭慧玲,唐勇,张冬丽.遗传算法在入侵检测规则提取中的 

应用[J】_哈尔滨工业大学学报,2009百度主题推广,41(1):248-250. 

[5]赵军.基于CEGA.SVM的网络入侵检测算法[J].计算机工 

程,2009,35(23):166—167. 

编辑 陈文 

广场舞玫瑰花-离经易道