面向蜂群算法的網(wǎng)絡安全檢測控制模型優(yōu)化研究

摘 要：基于網(wǎng)絡入侵檢測的蜂群算法優(yōu)化模式是一個用于網(wǎng)絡入侵檢測開發(fā)的專用編程接口?；谠摼幊探涌冢贚inux平臺上設計和實現(xiàn)了一個復雜的入侵檢測系統(tǒng)?；诰W(wǎng)絡入侵檢測的蜂群算法與差分進化算法（DE）混合，采取數(shù)據(jù)信息處理模式，可以按照雙群結構的要求，進行數(shù)據(jù)信息獨立分析，從而能夠產(chǎn)生數(shù)據(jù)信息交換功能。通過分布式技術對蜂群進行空間分析，通過空間信息搜索工具，保證學習策略功能能夠完成。從仿真實驗看提高種群解的質量。設計了一種簡單入侵檢測模式的描述語言，對入侵檢測的特征數(shù)據(jù)庫進行優(yōu)化，對網(wǎng)絡異常行為進行入侵檢測。

關鍵詞：蜂群算法；入侵檢測；協(xié)議；優(yōu)化

中圖分類號：TP301.6

針對基于網(wǎng)絡入侵檢測的蜂群算法搜索速度較慢、早熟收斂、易陷入局部最優(yōu)解等情況，大批學者和專家通過學習和研究提出了許多改進的基于網(wǎng)絡入侵檢測的蜂群算法，本文中通過對改進的基于網(wǎng)絡入侵檢測的蜂群算法的研究將它們分成三類——基于初始化參數(shù)優(yōu)化的改進型、基于搜索過程優(yōu)化的改進型和基于整體優(yōu)化的改進型，針對這三類改進的基于網(wǎng)絡入侵檢測的蜂群算法介紹了各類的典型算法。用戶在安全控制策略方面需要進行全面分析，從而能夠更好的提升網(wǎng)絡入侵檢測能力。

1 網(wǎng)絡入侵檢測的蜂群算法

網(wǎng)絡入侵檢測的蜂群算法（BCA）是一種基于蜜蜂行為的優(yōu)化算法?；贐oltzmann選擇機制提出了一種改進的基于網(wǎng)絡入侵檢測的蜂群算法（BBCA）用來優(yōu)化多變量函數(shù)。BBC是對參數(shù)初始化的改進，算法使初始群體均勻化。采用Boltzmann選擇機制來代替輪盤賭以防止算法過早收斂。

1.1 選擇網(wǎng)絡安全管理策略

通過對網(wǎng)絡入侵檢測自適應機制和機器學習模式分析，對選擇策略進行模式分析，發(fā)揮搜索算法的信息處理功能作用，在不同的環(huán)境下按照蜂群的算法要求，從而能夠進行數(shù)據(jù)信息的決策，讓決策功能能夠在信息連接過程中產(chǎn)生積極的作用。從當前的情況看，需要對數(shù)據(jù)信息的估值進行優(yōu)化，從而能夠產(chǎn)生概率信息處理模型。保證搜索算法能夠符合空間數(shù)據(jù)信息控制的要求。算法實現(xiàn)過程中如果用A表示全體行動的集合，那么通過價值集合模式可以對蜂群進行選擇。設A為全體行動的集合，為行動的估計價值集合，為當前狀態(tài)下可選的行動，分別為各行動的估計價值，系統(tǒng)對蜂群算法進行解析，從而找到入侵檢測的方法，把Boltzmann選擇策略與網(wǎng)絡安全形成互動機制，逐步引入到網(wǎng)絡入侵檢測的蜂群算法中，提出了對應的估計價值，則當前狀態(tài)下選擇任一行動的概率為：

（1）

其中，T為退火溫度。由全概率公式可知，。

1.2 搜索算法初始解的網(wǎng)絡安全生成機制

初始解在整個算法搜索過程中產(chǎn)生起點作用，通過對初始群體形成，從而對個體空間分布情況進行解析，保證算法搜索整體性能得到全面提高。通過算法設計，可以看出初始群體生成是隨機的，產(chǎn)生若干個初始群體組合，對生產(chǎn)初始群體的不合理問題進行判斷，在此基礎上進行算法改進，保證群體總數(shù)的分布相對比較均勻，通過小區(qū)間生成法的應用，可以改進群體個體的分布均勻性，保證群體可以含有豐富的個體，個體可以均勻分布在不同的區(qū)間上。

2 自適應搜索空間的混沌網(wǎng)絡安全入侵檢測

基于網(wǎng)絡入侵檢測的蜂群算法作為一種新的隨機優(yōu)化算法，算法設計過程中需要對全局群體進行最優(yōu)解分析，但是在實際操作過程中存在搜索速度慢的特點，容易過早收斂，導致個體多樣性逐步減少，陷入最優(yōu)解難以獲取的境地。算法優(yōu)化需要解決搜索速度慢的問題，避免在過早的情況下收斂，因此研究了基于搜索過程改進的網(wǎng)絡入侵檢測蜂群算法，對搜索空間擴大產(chǎn)生重要的作用，通過混沌入侵檢測蜂群算法的使用，可以對算法循環(huán)的過程中進行搜索，確保在實現(xiàn)過程中能夠構造一個搜索區(qū)域，并且對每個值進行重新評估。當某一個值處于局部最優(yōu)的狀態(tài)的時候，可以通過混沌算法把最優(yōu)解找出。

2.1 動態(tài)調整搜索空間安全策略

入侵檢測過程中需要對種群進行設計，把其空間的解設定為個，此時每個解可以看成是維向量。

在自適應搜索空間的混沌基于網(wǎng)絡入侵檢測的蜂群算法（SA-CBC）中，搜索算法實現(xiàn)過程中可以對空間進行合理分布，把Y的分布空間得到有效的利用，從而能夠最大可能對區(qū)間情況進行分布。

種群個體在設計過程中可以重新生成，那么可以根據(jù)種群個體在設計過程中可以重新生成和蜂群數(shù)據(jù)信息處理情況，從而能夠按照搜索算法的要求，進行信息比對，確保信息能夠在評估過程中產(chǎn)生作用，達到搜索算法優(yōu)化的目的。通過循環(huán)算法的優(yōu)化，保證循環(huán)迭代效應能夠產(chǎn)生。

2.2 關鍵詞

混沌現(xiàn)象在自然界中普遍存在，其是一種非線性現(xiàn)象，從表面看具有混亂的情況，但是從內在看起具有精致的結構，因此具有遍歷性、隨機性、規(guī)律性特點，在一定范圍內，可以根據(jù)其運行規(guī)律找到相關的遍歷狀態(tài)?；煦绶匠痰拇_定可以得到各種算法的隨機性運行模式，可以在不重復狀態(tài)下遍歷各種狀態(tài)，通過混沌可以確定混沌變量，對搜索空間優(yōu)化產(chǎn)生重要的作用。選擇策略的確定

3 雙種群差分網(wǎng)絡入侵檢測優(yōu)化實驗

雙種群差分基于網(wǎng)絡入侵檢測的蜂群算法（BDBCA）是全局優(yōu)化的改進的基于網(wǎng)絡入侵檢測的蜂群算法。差分進化（DE）算法從而能夠產(chǎn)生矢量作用，保證空間算法能夠符合搜索引擎的要求，參數(shù)設計過程中需要按照原理控制要求產(chǎn)生信息比對。在基本的DE算法處理過程中，需要對NP進行信息分解，保證信息服務能夠產(chǎn)生相應的d向量，通過交叉選擇措施確保數(shù)據(jù)信息處理符合差分要求，每個解是一個d維的向量。進化過程主要由變異、交叉和選擇3個操作組成。

4 結束語

蜂群算法對網(wǎng)絡入侵檢測產(chǎn)生重要的作用，通過對算法的優(yōu)化可以對網(wǎng)絡中的數(shù)據(jù)情況進行分析，對科學判斷網(wǎng)絡故障和入侵檢測產(chǎn)生作用。當網(wǎng)絡管理人員在后臺發(fā)現(xiàn)有入侵跡象的時候，通過入侵檢測手段可以對網(wǎng)絡進行安全管理。入侵檢測的過程中通過主動檢測和被動分析兩種方法。蜂群網(wǎng)絡入侵檢測算法可以把安全產(chǎn)品、自身安全級別結合在一起。通過硬件、軟件架構設計科學判斷網(wǎng)絡入侵情況。隨著網(wǎng)絡安全的應用擴大，對產(chǎn)品的易用性有了新的要求，通過中文圖形界面、自身數(shù)據(jù)庫維護等手段，提高入侵檢測水平。蜂群網(wǎng)絡入侵檢測系統(tǒng)在設計過程中集成了這些算法優(yōu)點。

參考文獻：

[1]唐正軍，李建華.入侵檢測技術[M].清華大學出版社，2009：8-9.

[2]卿斯?jié)h，文偉平，蔣建春，馬恒太，劉雪飛.一種基于網(wǎng)狀關聯(lián)分析的網(wǎng)絡蠕蟲預警新方法[J].通信學報，2010，25（7）.

[3]STEVENS W R.TCP/IP Illustrated，Volume 2：The Implement[M].USA：Addison Wesley，2009.

[4]CARLATL，BRODLEYCE.Temporal sequence learning and data reduction for anomaly detection[A].Proc of the 5th Conference on Computer and Communications Security[C].New York，2009.

作者簡介：吳建偉（1979-），男，本科，講師，主要從事計算機網(wǎng)絡技術的教學與研究工作。