基于云計算平臺的網絡入侵檢測算法研究與實現

摘 要： 利用并行化思想，在現有入侵檢測算法GA遺傳算法和BP神經算法的基礎上，提出基于云計算平臺的網絡入侵檢測算法MR GA?BP均值法算法，并對算法原理進行描述、建立、設計，系統能夠針對海量入侵的檢測數據進行實時學習和檢測，對比傳統入侵檢測系統，在效率和精度上有了較大提高，通過兩組對比實驗，證明了該優化算法MR GA?BP均值法算法在入侵檢測系統中的可行性以及性能優勢。

關鍵詞： 云計算； 入侵檢測系統； MR GA?BP均值法； Hadoop

中圖分類號： TN915.08?34； TM417 文獻標識碼： A 文章編號： 1004?373X（2016）19?0076?04

Abstract： On the basis of paralell thought， genetic algorithm （GA） and BP algorithm for intrusion detection， a mean value algorithm of network intrusion detection algorithm （MR GA?BP） based on cloud computing platform is proposed. The principle of the algorithm is described， established and designed. The system can learn and detect the massive intrusion detection data in real time. In comparison with the traditional intrusion detection system， the efficiency and accuracy of the system have been improved a lot. The feasibility and performance advantage of MR GA?BP mean value algorithm in intrusion detection system were verified in the experiment of contrast between the two groups.

Keywords： cloud computing； intrusion detection system； MR GA?BP mean value algorithm； Hadoop

0 引 言

傳統的入侵檢測系統已經遠遠不能滿足當今海量數據的要求，在檢測精度、效率、準確率等方面都存在局限和瓶頸。未來入侵檢測的發展應該在較短的時間內，有更高效的檢測效率和在效率提升的基礎上增加服務的質量[1]。

利用云環境下的節點進行入侵檢測事件的采集，然后將采集的數據源上傳到云端進行入侵檢測分析，這樣可以大大地提高處理事件的效率并及時作出預警[2]。如果能將傳統的入侵檢測算法例如BP神經算法，采納并行化思想，將它布置到云環境中，進行分布式處理數據源，并且進行分布式入侵檢測，那么上述的難題就可以解決，不僅擴大了云計算在當代的應用領域，也能讓傳統的入侵檢測算法性能提升到另一個高度，也能夠讓入侵檢測的發展上升一個臺階[3]。

1 網絡入侵檢測算法建立

1.1 MR GA?BP算法的網絡拓撲結構

BP神經網絡是由網絡層數、節點個數、激活函數、初始權值系數、學習算法、系統誤差確定的，確定這些需要遵循如下原則：