粒子群优化算法在入侵检测系统中应用

《粒子群优化算法在入侵检测系统中应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、粒子群优化算法在入侵检测系统中应用摘要：通过对基本PSO算法进行分析研究，发现PSO是一种有效的全局寻优算法。它操作简单，使用方便，但是极易陷入局部最优。通过对PSO进行改进应用到入侵检测系统中，大大提高检测率。关键词：粒子群优化算法；入侵检测系统；应用中图分类号：TP393文献标识码：A文章编号：1671—7597(2012)1110113-020引言入侵检测方法分为误用检测和异常检测两种。相比较而言，入侵检测系统中使用误用检测技术会多一些。所谓的误用检测技术是一种把入侵信息的特征首先输入到入侵信息特征库中，当有入侵行为发生的时候再将其与入侵信息特征库中的数据进行比对，如果

2、发现有很大的相似性就认为是入侵可疑数据，此种技术大大提高了入侵检测的准确程度。但是由于它必须与入侵信息特征库中的数据进行比较，所以就无法对特征库以外的可疑入侵数据进行识别、检测与分析，从而导致误报和漏报现象，给用户及信息网络带来了很大的危险。相对而言，异常检测却是把用户的当前操作与特征数据库中的正常数据进行比对，假如二者存在很大的差异，就认为发生了可疑入侵行为。它与误用检测相比，特征数据库中的正常数据要比入侵数据容易得到，随着各种入侵行为的快速发展，难免有新的入侵行为没有被放入可疑入侵数据库中，异常检测更容易检测出未知的可疑入侵行为，有效解决了漏报现象。通常我们又把异常入侵检

3、测技术划分为需要指导的异常检测，它是在准确取得正常数据的基础上建立起来的数据模型，用偏离正常数据值来判断是否存在可疑入侵数据。但是它要求有一组完全正常的数据来训练获得正常数据模型，如果训练数据中掺杂了入侵数据的话，一方面可能会把与攻击数据存在很大的差异的正常数据误认为是入侵数据，另一方面会把与入侵数据相似的可疑数据认为是正常数据，进而给计算机及其网络带来更大的危险。而且要想获得一组纯粹正确的训练数据也是很不容易的。如今在入侵检测技术的研究中，网络安全研究人员仍然会把无需指导的异常检测作为重点，无需指导的异常检测技术则是利用一组完全没有标记的数据作为输入信息，去寻找可疑入侵数据

4、。它只需要找到一些未加工过的原始数据便可，不需要找到纯粹正确的训练数据。与很多算法一样，粒子群算法也是一种全局寻优的算法，它是在群体智能理论的基础上建立起来的优化算法。它的基本理论是通过群体中粒子间的异同去产生群体智能指导进而优化搜索。比较进化算法而言，PSO在种群的全局搜索策略的基础上，更进一步地采用了速度位移模型，方便易行，它将特有的记忆用于动态跟踪当前的搜索情况再去调整搜索策略，有效地避免了遗传操作。但是它易陷入局部最优,本文我们将基本PSO算法进行了改进［1］。1基本PSO算法原理PSO受鸟群捕食行为的启发，在一个固定的区域中只存在一块食物，一群鸟在随机捕获，而且任何

5、一只都不知道食物的具体位置，但它清楚自己所处的位置以及离食物的距离，那么怎样才是找到食物的最优策略呢？我们首先应该找到离食物最近的鸟的周围区域，再去准确地找到食物。PSO就是从此种模型提练出来的，并把它运用到解决最优问题上面。在PSO中，我们把所有的优化问题的解都看成是一个“粒子"，对应搜索空间中的一只鸟。每一个粒子都是搜索空间中没有体积和质量的点，且对应一个适应值，被优化的函数来确定这个适应值。其中，速度决定每个粒子飞翔的距离和方向，速度值并根据自己和同伴的飞行经验来确定。PSO中优化问题的解被初始化为一群随机粒子，通过不断地迭代找到最优解。在每一次迭代操作过程中，粒子都要

6、用两种经验来不断地调整更新自己。若认为本身的飞行经验便是粒子经历过的最好位置，就认为其是最好的适应值，把它设定为最优解，这个解也称作为个体极值。如果同伴的飞行经验是群体所有粒子经历过的最好位置，便把此飞行经验设定为整个种群目前找到的最优解，找到的解就是全局极值。需要说明的是群体不一定是整个群体，也可以是其中的一部分，那么在部分群体中寻到的最优解就看作是局部极值班［2］。若目标搜索空间是M维，一个群体中包含N个粒子，其中第i示为第i个粒子在搜索空间中的位置是，可以认为是一个不确定的潜在解，通过目标函数便可以确定其适应值，根据其适应值的大小从而进一步确定其优劣。把表示为经历过的最

7、好位置，表示为粒子i的速度。PSO的基本算法步骤描述如下：1）首先确定一群随机粒子，将其初始化；2）通过目标函数确定每个粒子适应度的值；3）将适应度的值与以往经历过的最好位置相比较，若认为此适应度的值优于先前所有的值，便更新；4）将适应度的值与以群体以往经历过的最好位置相比较，若认为此适应度的值优于群体中所有的适应度的值班，便更新；5）根据1）2）式对粒子的速度和位置进行不断的调整;6）迭代中止条件：把最大迭代次数或全局最优位置满足预定最小适应阈值事先确定。从上面的算法步骤看来，基本PSO算法中需要确定