人工神經網絡與遺傳算法相結合的入侵檢測模型的研究.pdf

1、伴隨著互聯網絡和計算機技術的高速發(fā)展，互聯網通信已經滲透到政治、經濟、文化和生活以及科學的各個領域，極大地影響著人類社會各個方面的進步和發(fā)展。同時，它也極大地影響和改變著人們的生活、工作和學習。但是，隨著互聯網絡的發(fā)展，各種安全問題也隨之出現。有關統計數據顯示，在全球范圍內，每隔20秒就會發(fā)生一起網絡入侵事件。網絡上的黑客能夠輕松的盜取你的私密文件，盜取你的銀行存款信息，破壞你的個人賬目信息，將你的私密信函公之于眾，隨意改正、擾亂和破壞

2、你的數據庫中的信息，甚至直接破壞你的磁盤和計算機等硬件設施，導致你的網絡處于癱瘓或者崩潰狀態(tài)。所以，研究一些切實有效的互聯網安全技術來保障計算機系統和互聯網系統的安全，已經成為學術界和商界研究的熱點問題。入侵檢測是一種主動防御入侵的安全方式，是維護網絡安全的主要模塊。因此該技術成為人們研究的熱點。
　　目前入侵檢測技術正在朝著自動化和智能化方向發(fā)展。所謂入侵檢測的智能化是將遺傳算法和人工神經網絡算法等智能化算法用于入侵檢測。傳統的

3、入侵檢測系統誤報率和漏報率都很高，不能夠很好的識別新興的攻擊類型。隨著網絡數據量的急劇增加，傳統的入侵檢測技術不能勝任實時性的要求。此外，傳統的遺傳算法和神經網絡算法還具有收斂速度慢和容易陷入局部極小值等缺點。
　　本文通過深入分析研究入侵檢測的特點和遺傳算法以及神經網絡算法的結構。為了適應實時性要求，首先基于粗糙集理論，對傳統遺傳算法的選擇交叉變異等環(huán)節(jié)做了一系列改進。利用了粗糙集理論的知識，重新設置了適應度函數，使其能夠快速刪