[發明專利]一種基于人工蜂群優化的BP算法的入侵檢測方法及其系統

有效

• 申請號: 201810069263.6
• 申請日: 2018-01-24
• 公開（公告）號: CN108259498B
• 公開（公告）日: 2020-06-23
• 發明（設計）人: 李文;黃麗韶;扈樂華
• 申請（專利權）人: 湖南科技學院
• 主分類號: H04L29/06
• 分類號: H04L29/06;G06N3/08;G06N3/00
• 代理公司: 北京知呱呱知識產權代理有限公司 11577
• 代理人: 呂學文;武媛

1.一種基于人工蜂群優化的BP算法的入侵檢測方法，其特征在于，所述檢測方法包括以下步驟：

S101、采集計算機網絡系統的包含系統、網絡、數據及用戶活動的狀態、行為的主機日志文件和網絡數據；

S102、對采集的所述主機日志文件和網絡數據形成一包進行預處理，獲得所述主機日志文件和網絡數據的特征向量并轉化為BP神經網絡算法可識別的輸入值；

S103、對所述BP神經網絡算法進行初始化，將連接輸入層與隱藏層的權值W_ij和連接隱藏層與輸出層的權值W_jk作為人工蜂群算法的優化目標；

S104、初始化人工蜂群算法的參數，進行雇傭蜂、跟隨蜂與偵查蜂操作，找到最佳蜜源，將所述最佳蜜源傳回BP神經網絡算法替換所述連接輸入層與隱藏層的權值W_ij和所述連接隱藏層與輸出層的權值W_jk；

S105、根據入侵特征對所接收的網絡數據進行已知入侵行為的檢測，然后對與入侵特征不匹配且不能確定是正常的數據進行異常入侵檢測，根據BP神經網絡算法的輸出值對用戶的行為進行相應的響應操作；

所述初始化人工蜂群算法的參數，進行雇傭蜂、跟隨蜂與偵查蜂操作，找到最佳蜜源的步驟具體包括：

S201、初始化人工蜂群算法，設置蜜源的數量N，最大迭代次數maxcycle，最大滯留次數limit，產生初始蜜源；

S202、雇傭蜂開始按照式(1)來搜索新蜜源，之后計算新解的適應度值并更新蜜源；

公式(1)：

其中，

iter是當前的迭代次數；Wmin是調整因子的最小值；Wmax是調整因子的最大值；W1和W2分別代表著新蜜源向原蜜源、領域蜜源和種群最優蜜源的靠近速度；

S203、按照公式(2)計算與解X_i對應的選擇概率值P_i；

公式(2)：

其中，自適應因子fit_i是解X_i對應的適應度值；

跟隨蜂根據選擇概率P_i來選擇蜜源，并按照公式(1)來選擇產生新解之后計算新解的適應度值并更新蜜源；

S204、如果某個解Xi連續滯留的次數達到了之前的最大滯留次數limit，則這個解被丟棄，偵查蜂將出現并產生一個新解來代替被丟棄的解；

S205、從步驟S202到S204為一次迭代過程，完成后記錄下最優的解，即該解的適應度值最高；

S206、判斷是否達到最大迭代次數maxcycle和指定精度，否則返回步驟S202繼續；

對所述BP神經網絡算法進行初始化，將連接輸入層與隱藏層的權值W_ij和連接隱藏層與輸出層的權值W_jk作為人工蜂群算法的優化目標的步驟包括：

S301、選擇訓練用的樣本數據，產生連接輸入層與隱藏層的權值W_ij和連接隱藏層與輸出層的權值W_jk；

S302、在BP神經網絡算法中輸入特征向量X＝(x₁，x₂，…，x_n)，所述隱藏層t_j由公式(3)計算獲得，其中θ_j為輸入層和隱藏層之間的閾值；

隱藏層的實際輸出值l_j由公式(4)計算獲得，重復公式(3)、(4)計算輸出層的實際輸出值y_k；

公式(3)：

公式(4)：

S303、利用公式(5)計算BP神經網絡算法的誤差e^k，若誤差滿足預設要求，則結束訓練并執行S305；

公式(5)：

其中d_k標識輸出節點K的輸出期望值，q是輸出節點的數目；

S304、通過公式(6)、(7)調整輸入層和隱藏層之間的權值和閾值，以及隱藏層和輸出層之間的權值和閾值；

公式(6)：

公式(7)：

S305、通過步驟304獲得的結果，計算獲得連接輸入層與隱藏層的權值W_ij和連接隱藏層與輸出層的權值W_jk；

S306、通過新的權值W_ij、W_jk以及樣本數據，重新執行上述步驟S301至S305，直至誤差滿足預設要求。