基于神經(jīng)網(wǎng)絡(luò)算法的無線網(wǎng)絡(luò)安全模型設(shè)計(jì)

何明陽 張光治 柴煒

摘要：為實(shí)現(xiàn)對無線網(wǎng)絡(luò)的有效保護(hù)，文章運(yùn)用BP神經(jīng)網(wǎng)絡(luò)和GA遺傳算法，完成對無線網(wǎng)絡(luò)安全模型設(shè)計(jì)。首先，將BP神經(jīng)網(wǎng)絡(luò)與GA遺傳算法進(jìn)行有效的融合，提出一種GABP神經(jīng)網(wǎng)絡(luò)算法。其次，針對無線網(wǎng)絡(luò)安全問題，運(yùn)用該算法，從無線網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)設(shè)計(jì)、無線網(wǎng)絡(luò)入侵檢測單位模型構(gòu)建入手，完成對無線網(wǎng)絡(luò)安全模型的設(shè)計(jì)。最后，對該模型進(jìn)行仿真分析。結(jié)果表明：將BP神經(jīng)網(wǎng)絡(luò)與GA遺傳算法應(yīng)用到無線網(wǎng)絡(luò)攻擊類型中從而提高識別率，降低了誤報(bào)率，確保了無線網(wǎng)絡(luò)的安全性和可靠性。筆者希望該研究可以為相關(guān)人員提供有效的借鑒和參考。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)；GA遺傳算法；無線網(wǎng)絡(luò)安全模型

中圖分類號： TN925．93? 文獻(xiàn)標(biāo)志碼： A

0 引言

無線網(wǎng)絡(luò)的設(shè)計(jì)允許數(shù)據(jù)通過任何媒介傳輸，這種開放性為網(wǎng)絡(luò)病毒和不法分子的竊聽及攻擊提供了可乘之機(jī)，從而加大了網(wǎng)絡(luò)安全管理的挑戰(zhàn)。用戶在應(yīng)用無線網(wǎng)絡(luò)傳輸數(shù)據(jù)期間，要突出網(wǎng)絡(luò)的安全性和可靠性，降低網(wǎng)絡(luò)遭受攻擊風(fēng)險(xiǎn)［1］。而神經(jīng)網(wǎng)絡(luò)算法具有容錯(cuò)能力強(qiáng)、自主學(xué)習(xí)能力強(qiáng)等特點(diǎn)，通過進(jìn)行不斷地學(xué)習(xí)和訓(xùn)練，可以實(shí)現(xiàn)對異常數(shù)據(jù)的精確化識別，保證無線網(wǎng)絡(luò)安全識別的精確性和高效性。因此，本文在綜合運(yùn)用BP神經(jīng)網(wǎng)絡(luò)與GA遺傳算法的基礎(chǔ)上，完成對無線網(wǎng)絡(luò)安全模型設(shè)計(jì)。

1 BP神經(jīng)網(wǎng)絡(luò)及改進(jìn)

1.1 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)作為一種常見的網(wǎng)絡(luò)模型，內(nèi)部關(guān)聯(lián)多個(gè)神經(jīng)元。通過對生物神經(jīng)系統(tǒng)進(jìn)行真實(shí)化模擬，將現(xiàn)實(shí)事物的映射關(guān)系形象直觀地呈現(xiàn)出來，借助多種事件數(shù)據(jù)進(jìn)行反復(fù)訓(xùn)練，從而獲得最終模擬結(jié)果。BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

在使用BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行學(xué)習(xí)期間，技術(shù)團(tuán)隊(duì)首先需要精確地確定輸入信息，以確保訓(xùn)練過程的有效性。借助網(wǎng)絡(luò)輸入層，計(jì)算每一單元輸入值，給出相應(yīng)的輸出結(jié)果。當(dāng)輸出層所獲得的輸出值并非期望值時(shí)，技術(shù)人員需要采用逐層遞歸的方式，確定實(shí)際輸出值與期望輸出值之間的差值，結(jié)合該差值，科學(xué)調(diào)整和控制給定權(quán)值，確保所獲得的輸出值達(dá)到預(yù)先所設(shè)置好的訓(xùn)練次數(shù)［2］。

當(dāng)BP神經(jīng)網(wǎng)絡(luò)算法處于學(xué)習(xí)初期狀態(tài)時(shí)，首先，技術(shù)人員要采用隨機(jī)選取的方式，從無線網(wǎng)絡(luò)海量輸入信息中，選取某一樣本實(shí)際輸入值和期望輸出值，計(jì)算出實(shí)際輸入值與期望輸出值之間的誤差。如果誤差值正好處于預(yù)先設(shè)置好的范圍內(nèi)，可以將該誤差值視為最終輸出結(jié)果，反之，需要再次進(jìn)入隨機(jī)選取環(huán)節(jié)中進(jìn)行迭代操作。

1.2 GA遺傳算法

GA遺傳算法是一種常用的計(jì)算機(jī)算法模型，是從遺傳學(xué)的基礎(chǔ)知識演變而來。通過對自然進(jìn)化過程進(jìn)行真實(shí)化模擬，從而達(dá)到快速搜索最優(yōu)解的目的。在遺傳算法中，某一種群會存在潛在性問題，種群單個(gè)個(gè)體代表單個(gè)基因，通過組合多個(gè)基因，可以形成相應(yīng)的染色體。基因編碼工作相對比較復(fù)雜，所以，運(yùn)用二進(jìn)制編碼形式，可以保證映射編碼處理水平［3］。當(dāng)形成初代種群后，運(yùn)用優(yōu)勝劣汰思想，獲得最佳近似解。在進(jìn)行逐代演化期間，結(jié)合個(gè)體適應(yīng)度，選擇合適個(gè)體，采用交叉組合的方式，獲得種群最優(yōu)個(gè)體。該最優(yōu)個(gè)體可被視為近似最優(yōu)解。GA遺傳算法基本流程如圖2所示。

GA遺傳算法主要是指借助多個(gè)候選集合所形成的一組近似解，結(jié)合現(xiàn)有的適應(yīng)性條件，對候選集合的適應(yīng)度值進(jìn)行精確化計(jì)算，結(jié)合最終計(jì)算結(jié)果，獲取相應(yīng)的候選解，剔除不滿足適應(yīng)性條件的解集，對候選集進(jìn)行一系列操作，如候選集選擇、候選集交叉、候選集變異等，進(jìn)而獲得新的候選解［4］。GA遺傳算法主要是指通過組合某一特征方式，搜索染色體群，保證全局擇優(yōu)效果。此外，在搜索染色體群期間，利用變遷規(guī)則，確定正確的搜索方向，促使GA遺傳算法應(yīng)用范圍不斷擴(kuò)大，從而獲得最佳基因結(jié)構(gòu)，使得該基因結(jié)構(gòu)完全符合適應(yīng)性條件。

1.3 GABP神經(jīng)網(wǎng)絡(luò)算法

本研究運(yùn)用GA遺傳算法的全局搜索能力特性，以優(yōu)化和改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的連接權(quán)和網(wǎng)絡(luò)結(jié)構(gòu)。在BP神經(jīng)網(wǎng)絡(luò)中，含有網(wǎng)絡(luò)輸入層、網(wǎng)絡(luò)輸出層、網(wǎng)絡(luò)中間層3個(gè)組成部分。當(dāng)確定網(wǎng)絡(luò)數(shù)據(jù)樣本后，網(wǎng)絡(luò)節(jié)點(diǎn)隨之確定，故運(yùn)用GA遺傳算法可以有效地優(yōu)化和完善網(wǎng)絡(luò)節(jié)點(diǎn)，確保神經(jīng)網(wǎng)絡(luò)表現(xiàn)出較高檢測識別精確度［5］。在參照BP神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，運(yùn)用GA遺傳算法所優(yōu)化的GABP神經(jīng)網(wǎng)絡(luò)算法如下。

minE（w，v，θ，r）=12∑N1k=1∑nt=1［yk（t）-yk（t）］2

s.t. w∈Rm×p，v∈Rp×n，θ∈Rp，r∈Rn（1）

式（1）中，yK（t）代表在t時(shí)刻K節(jié)點(diǎn)所形成的連接權(quán)值；w代表節(jié)點(diǎn)閾值，n代表種群數(shù)；m代表個(gè)體數(shù)；p代表預(yù)選概率。技術(shù)人員通過運(yùn)用GA遺傳算法，可以解決非線性優(yōu)化問題，從而獲得最佳網(wǎng)絡(luò)連接權(quán)，保證網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)合理性和有效性。經(jīng)過計(jì)算，如果最終GABP神經(jīng)網(wǎng)絡(luò)連接權(quán)值低于所設(shè)定的誤差值時(shí)，說明運(yùn)用GABP神經(jīng)網(wǎng)絡(luò)算法所構(gòu)建的無線網(wǎng)絡(luò)安全模型科學(xué)合理［6］。

運(yùn)用GA遺傳算法優(yōu)化和改進(jìn)BP神經(jīng)網(wǎng)絡(luò)時(shí)，首先，技術(shù)人員確定網(wǎng)絡(luò)模型訓(xùn)練次數(shù)和訓(xùn)練樣本，以模型輸入集合的方式，不斷地訓(xùn)練所確定好的訓(xùn)練樣本。此外，技術(shù)人員還要確定出檢測樣本誤差。采用編碼形式所獲得的碼串含有以下2個(gè)組成部分：（1）控制碼?？刂拼a主要用于對隱節(jié)點(diǎn)數(shù)量的調(diào)整和控制，從而形成0—1的連接地串。其中，0代表無線網(wǎng)絡(luò)無連接；1代表無線網(wǎng)絡(luò)已連接。結(jié)合網(wǎng)絡(luò)輸入層所對應(yīng)的節(jié)點(diǎn)數(shù)量，可以精確地計(jì)算出該地串的實(shí)際長度。（2）串碼權(quán)重系數(shù)。串碼權(quán)重系數(shù)主要用于對無線網(wǎng)絡(luò)連接權(quán)的實(shí)時(shí)控制，結(jié)合無線網(wǎng)絡(luò)節(jié)點(diǎn)的輸入個(gè)數(shù)和輸出個(gè)數(shù)，精確地計(jì)算串長，每個(gè)串與連接權(quán)相對應(yīng)。

在初始種群中，含有多個(gè)個(gè)體，單個(gè)個(gè)體由碼串、均勻隨機(jī)數(shù)2個(gè)部分組成。其中，碼串為0—1碼；均勻隨機(jī)數(shù)主要分布于所設(shè)置好的區(qū)間內(nèi)，采用交叉變異的方式，對個(gè)體進(jìn)行變異處理，確保相鄰2個(gè)個(gè)體能夠進(jìn)行交叉操作。此外，初始種群還要根據(jù)變異前個(gè)體、變異后個(gè)體以及在指定區(qū)間內(nèi)所獲得的隨機(jī)數(shù)，將經(jīng)過變異操作的所有個(gè)體透射在所設(shè)置好的搜索區(qū)間內(nèi)。采用重復(fù)交叉變異操作等方式，對群體進(jìn)行統(tǒng)一進(jìn)化處理，使其進(jìn)化至第K代。從進(jìn)化后的所有群體中，選出適應(yīng)度最高的個(gè)體，對其進(jìn)行解碼處理，從而獲得相應(yīng)的隱節(jié)點(diǎn)數(shù)量，然后，連接所獲得隱節(jié)點(diǎn)，從而形成相應(yīng)的連接權(quán)，將隱節(jié)點(diǎn)、連接權(quán)直接輸入和存儲至模型中，從而計(jì)算出最優(yōu)解。對總體樣本進(jìn)行劃分，使其劃分為以下2個(gè)部分，分別是訓(xùn)練樣本、檢測樣本。訓(xùn)練樣本處理步驟如下：首先，采用進(jìn)化操作的方式，對訓(xùn)練樣本進(jìn)行統(tǒng)一進(jìn)化處理，使得該訓(xùn)練樣本進(jìn)化至第K代，從而獲得最終個(gè)體解碼、權(quán)系數(shù)。其次，向構(gòu)建好的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中輸入和存儲訓(xùn)練樣本，從而獲得相應(yīng)的輸入樣本，該輸入樣本主要包含網(wǎng)絡(luò)權(quán)系數(shù)和隱節(jié)點(diǎn)2個(gè)部分，利用進(jìn)化操作后的訓(xùn)練樣本，不斷地提高整個(gè)檢測網(wǎng)絡(luò)的泛化能力。

2 無線網(wǎng)絡(luò)安全問題分析

由于無線網(wǎng)絡(luò)具有一定的移動(dòng)性和開放性，這導(dǎo)致在傳輸信息期間，無線網(wǎng)絡(luò)很容易遭受監(jiān)聽攻擊、插入攻擊、未授權(quán)信息服務(wù)、網(wǎng)絡(luò)魯棒性問題、移動(dòng)IP安全問題及干線干擾等多種安全威脅。其中，監(jiān)聽攻擊方式主要是指采用空中截取的方式，截取和分析網(wǎng)絡(luò)所傳輸?shù)男盘枺瑥亩@得所需要的信息；插入攻擊方式主要是指采用假冒合法用戶方式，對相關(guān)傳輸信息進(jìn)行竊聽，從而獲得所需要的控制權(quán)；未授權(quán)信息服務(wù)主要是指非法用戶在沒有經(jīng)過授權(quán)允許的情況下，私自濫用網(wǎng)絡(luò)信息資源，造成網(wǎng)絡(luò)重要信息出現(xiàn)泄露、丟失等風(fēng)險(xiǎn)；網(wǎng)絡(luò)魯棒性主要是指無線網(wǎng)絡(luò)自身對其他網(wǎng)絡(luò)通信設(shè)備所造成的損壞容忍度，這一特性反映出無線網(wǎng)絡(luò)的生存能力大小；移動(dòng)IP安全主要是指在指定的區(qū)域范圍內(nèi)，用戶終端進(jìn)行跨區(qū)查閱網(wǎng)絡(luò)信息時(shí)所出現(xiàn)的信息丟失、泄露等安全風(fēng)險(xiǎn)；無線干擾主要是指當(dāng)同頻段信號發(fā)射功率較大時(shí)，無線網(wǎng)絡(luò)所表現(xiàn)出的抗干擾能力。

3 基于GABP神經(jīng)網(wǎng)絡(luò)算法的無線網(wǎng)絡(luò)安全模型構(gòu)建與仿真

3.1 模型構(gòu)建

3.1.1 無線網(wǎng)絡(luò)拓?fù)浣Y(jié)劃分

無線網(wǎng)絡(luò)中，其拓?fù)浣Y(jié)構(gòu)主要包含以下3種：（1）基礎(chǔ)結(jié)構(gòu)集中式拓?fù)浣Y(jié)構(gòu)。該拓?fù)浣Y(jié)構(gòu)可以借助有線網(wǎng)絡(luò)，與移動(dòng)用戶之間形成良好的通信關(guān)系。在網(wǎng)絡(luò)中心輻射末端，主要設(shè)置移動(dòng)用戶終端，所有用戶終端通過運(yùn)用BS/AP方式，與其他用戶之間構(gòu)建良好的通信狀態(tài)。（2）分布式網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。該拓?fù)浣Y(jié)構(gòu)被廣泛地應(yīng)用于軍事領(lǐng)域中。分布式網(wǎng)絡(luò)用戶所分布的區(qū)域相對比較廣泛。在發(fā)射信號功率的影響下，特定用戶終端通信對象比較局限，僅局限于部分用戶［7］。（3）蜂窩式拓?fù)浣Y(jié)構(gòu)。該拓?fù)浣Y(jié)構(gòu)作為一種多基礎(chǔ)機(jī)構(gòu)配置，被廣泛地應(yīng)用于大陸無線網(wǎng)絡(luò)與衛(wèi)星無線網(wǎng)絡(luò)之間。在蜂窩式無線通信模式的應(yīng)用背景下，為保證信息傳輸?shù)陌踩院涂煽啃?，技術(shù)人員需要選用低功率的基站，這些基站所覆蓋的區(qū)域比較有限，借助該拓?fù)浣Y(jié)構(gòu)，可以保證無線網(wǎng)絡(luò)的安全性和可靠性［8］。

3.1.2 無線網(wǎng)絡(luò)入侵檢測單位模型構(gòu)建

為保證無線網(wǎng)絡(luò)的可靠性和安全性，技術(shù)團(tuán)隊(duì)對無線網(wǎng)絡(luò)進(jìn)行有效的檢測和識別，將分布式結(jié)構(gòu)設(shè)置在網(wǎng)絡(luò)攻擊入侵監(jiān)測系統(tǒng)和響應(yīng)系統(tǒng)之間，確保不同檢測單位之間形成良好的協(xié)同合作關(guān)系。對于無線網(wǎng)絡(luò)系統(tǒng)而言，需要將獨(dú)立檢測單位設(shè)置在相應(yīng)的節(jié)點(diǎn)上，確保各個(gè)單位之間相互獨(dú)立，互不聯(lián)系，從而達(dá)到有效檢測本地行為的目的，同時(shí)，還能保證網(wǎng)絡(luò)攻擊行為處理的及時(shí)性。無線網(wǎng)絡(luò)入侵檢測單位的模型如圖3所示，利用該模型，可以深入分析所采集好的數(shù)據(jù)，從而實(shí)現(xiàn)對異常數(shù)據(jù)的精確化檢測。

3.2 模型仿真分析

3.2.1 試驗(yàn)數(shù)據(jù)獲取

本次仿真試驗(yàn)，所獲取的試驗(yàn)數(shù)據(jù)主要包含攻擊類型、訓(xùn)練樣本、測試樣本3種，具體數(shù)據(jù)如表1所示。在歸一化處理原始數(shù)據(jù)的基礎(chǔ)上，采用歸一化處理方法，確保數(shù)據(jù)集在指定的模型訓(xùn)練期間所形成的識別結(jié)果完全一致，同時(shí)，還要縮短時(shí)間，減小計(jì)算資源。

3.2.2 仿真試驗(yàn)及結(jié)果分析

在本次仿真試驗(yàn)時(shí)，運(yùn)用GABP神經(jīng)網(wǎng)絡(luò)算法對端口掃描、嗅探、種植木馬、傳播病毒等攻擊類型進(jìn)行檢測，獲得如表2所示的檢測結(jié)果。從表2中的數(shù)據(jù)可以看出，GABP神經(jīng)網(wǎng)絡(luò)算法具有識別率高、誤報(bào)率低等特點(diǎn)，完全滿足無線網(wǎng)絡(luò)安全模型精確化識別需求。

4 結(jié)語

在信息時(shí)代背景下，我國對無線網(wǎng)絡(luò)的安全性和可靠性提出了更高的要求，旨在保證國家和社會發(fā)展的穩(wěn)定性和可靠性。而GABP神經(jīng)網(wǎng)絡(luò)算法具有自主學(xué)習(xí)能力強(qiáng)、容錯(cuò)能力強(qiáng)等特點(diǎn)，該算法采用不斷地學(xué)習(xí)、訓(xùn)練的方式，可以精確化、高效化檢測和識別網(wǎng)絡(luò)樣本異常數(shù)據(jù)，從而進(jìn)一步地提高無線網(wǎng)絡(luò)檢測識別的精確度，從而實(shí)現(xiàn)對企業(yè)用戶或者個(gè)人用戶的機(jī)密信息的有效保護(hù)。為充分發(fā)揮GABP神經(jīng)網(wǎng)絡(luò)算法在無線網(wǎng)絡(luò)中保護(hù)作用，提高網(wǎng)絡(luò)安全攻擊識別率，本文在運(yùn)用BP神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，借助GA遺傳算法的全局搜索能力，對無線網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行優(yōu)化，完成對無線網(wǎng)絡(luò)安全模型設(shè)計(jì)和仿真，經(jīng)過仿真，發(fā)現(xiàn)該模型設(shè)計(jì)和應(yīng)用可以實(shí)現(xiàn)對網(wǎng)絡(luò)攻擊行為的精確化、高效化識別，降低無線網(wǎng)絡(luò)誤報(bào)率，為用戶傳輸網(wǎng)絡(luò)數(shù)據(jù)提供安全、可靠的無線網(wǎng)絡(luò)環(huán)境?？傊?，本文所提出的GABP神經(jīng)網(wǎng)絡(luò)算法具有較高的有效性和可靠性，通過將該算法應(yīng)用于無線網(wǎng)絡(luò)安全模型中，可以實(shí)現(xiàn)對無線網(wǎng)絡(luò)攻擊類型的精確化、高效化識別，將誤報(bào)率降到最低，為企業(yè)和個(gè)體用戶打造安全、可靠的無線網(wǎng)絡(luò)。

參考文獻(xiàn)

［1］顏蔚.基于卷積神經(jīng)網(wǎng)絡(luò)的無線網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評估及控制［J］.沈陽工業(yè)大學(xué)學(xué)報(bào)，2022（5）：565-569.

［2］馬越，陳曉偉，李思鑒，等.一種無線傳感器網(wǎng)絡(luò)安全路由算法研究［J］.網(wǎng)絡(luò)安全技術(shù)與應(yīng)用，2023（5）：78-80.

［3］蔣志頎，范雷.基于機(jī)器學(xué)習(xí)的無線通信網(wǎng)絡(luò)安全漏洞智能監(jiān)測系統(tǒng)［J］.電子設(shè)計(jì)工程，2021（15）：115-119.

［4］胡明.遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)和無線網(wǎng)絡(luò)攻擊檢測研究［J］.佳木斯大學(xué)學(xué)報(bào)（自然科學(xué)版），2023（5）：39-42.

［5］曹賢龍.面向全局優(yōu)化的無線網(wǎng)絡(luò)安全態(tài)勢感知模型［J］.信息與電腦，2020（21）：145-146.

［6］胡喆馨，卜凡亮，丁丹丹.基于GAPSO優(yōu)化的神經(jīng)網(wǎng)絡(luò)無線信道參數(shù)預(yù)測［J］.無線電工程，2023（12）：2944-2950.

［7］黨曉婧，鄧世聰，呂啟深，等.基于動(dòng)態(tài)防御技術(shù)的無線網(wǎng)絡(luò)安全模型改進(jìn)［J］.沈陽工業(yè)大學(xué)學(xué)報(bào)，2021（2）：198-202.

［8］劉國輝.基于人工智能的網(wǎng)絡(luò)安全信息自動(dòng)識別系統(tǒng)設(shè)計(jì)［J］.黑龍江工業(yè)學(xué)院學(xué)報(bào)（綜合版），2020（7）：78-81.

（編輯 王永超）

Design of wireless network security model based on neural network algorithm

HE? Mingyang1， ZHANG? Guangzhi2， CHAI? Wei1*

（1.InfoQuick Global Connection Tech Ltd.， Hangzhou Branch， Hangzhou 310012， China;

2.InfoQuick Global Connection Tech Ltd.， Beijing 100028， China）

Abstract：? In order to protect wireless network effectively， this paper designs the security model of wireless network by using BP neural network and GA genetic algorithm. Firstly， a GABP neural network algorithm is proposed based on the effective fusion of BP neural network and GA. Secondly， aiming at the wireless network security problem， this research uses this algorithm to design the wireless network security model from the wireless network topology design and wireless network intrusion detection unit model. Finally， this research carries on the simulation analysis to this model. The results show that the BP neural network and GA genetic algorithm are applied to wireless network attack types to improve the recognition rate， reduce the false alarm rate and ensure the security and reliability of wireless network. I hope this study can provide effective reference for the relevant personnel.

Key words： BP neural networks; GA genetic algorithms; wireless network security model