| 【中文题名】 | BP神经网络在入侵检测系统中的应用及优化 |
| 【英文题名】 | The Application of BP Neural Network in Intrusion Detection System and Its Optimization |
| 【学科专业】 | 应用数学 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-7-19 |
| 【中关键词】 | 入侵检测,神经网络,KDD99数据集,粗集,属性约简,算法优化 |
| 【英关键词】 | Intrusion detecting,Neural network,KDD99 Data Set,Rough set,Attribute reduction,algorithm optimization,Generalization ability, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>计算机的应用>计算机网络>一般性问题 |
| 【论文摘要】 |
BP神经网络运用于入侵检测系统有很多优点，但是也存在一些缺点，如执行速度比较慢的问题等。常用的LMBP算法，虽然收敛速度很快，但是应用于入侵检测系统执行速度仍然不能满足要求。结合KDD99数据集，选取适当的数据，通过加入一些限制条件，对LMBP算法进行了优化。通过实际计算，比较算法优化前后的计算结果，验证了优化算法是有效的。优化后的算法比较明显的提高了BP神经网络应用于入侵检测系统时的执行速度，具有一定的实用价值。
本论文由彼此相关而又独立的四章所组成。第一章为序言与预备知识，简要介绍了入侵检测和本文所需的数学工具，BP神经网络的基本概念和发展历史及现状。在§1.1节中介绍了入侵检测的基本概念。在§1.2节中介绍了基本的BP算法。§1.3节介绍了基本的BP算法的一些改进方法，包括动量方法，可变学习速度算法，共轭梯度法及Levenberg-Marquardt算法。其中，重点介绍了Levenberg-Marquardt算法。本章是后面各章的基础。
第二章§2.1节介绍了本文使用用的KDD99数据集的基本情况。由于这个数据集包含的属性较多，因此为了简化问题，需要对这个数据集的属性进行约简。... |
| 【论文题纲】 |
|
中文摘要 |
6-8 |
|
英文摘要 |
8-10 |
|
第一章 序言-预备知识 |
10-20 |
|
§1.1 入侵检测简介 |
10 |
|
§1.2 BP神经网络介绍 |
10-15 |
|
§1.3 BP算法的改进 |
15-20 |
|
第二章 选取数据及使用粗糙集进行数据预处理 |
20-25 |
|
§2.1 试验数据的选取 |
20 |
|
§2.2 粗集及属性约简的基本概念 |
20-23 |
|
§2.3 数据处理 |
23-24 |
|
§2.4 结论 |
24-25 |
|
第三章 BP神经网络在入侵检测系统中的应用及优化 |
25-32 |
|
§3.1 神经网络与入侵检测技术 |
25-26 |
|
§3.2 数据选取及处理 |
26-27 |
|
§3.3 网络参数的确定 |
27-28 |
|
§3.4 计算结果 |
28-30 |
|
§3.5 优化算法提高网络性能 |
30-31 |
|
§3.6 结论 |
31-32 |
|
第四章 网络的泛化能力的讨论 |
32-38 |
|
§4.1 BP网络过拟合时满足的不确定关系式 |
32-34 |
|
§4.2 不确定关系式的几点讨论 |
34-35 |
|
§4.3 根据逼近误差要求和样本复杂性选取网络隐节点数 |
35-36 |
|
§4.4 改进BP网络泛化能力的最佳停止训练法 |
36 |
|
§4.5 结论 |
36-38 |
|
参考文献 |
38-43 |
|
致谢 |
43-44 |
|
攻读学位期间完成的论文目录 |
44-45 |
|
学位论文评阅及答辩情况表 |
45 |
|
| 【DOI】 | LunWen.ID:2.2008.388678 |
