云环境下基于改进BP算法的入侵检测模型

• 作者: 何文河 李陶深 黄汝维
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 云安全 入侵检测 内核虚拟机 反向传播神经网络 粒子群优化算法
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 安 全 与 防 范
• 页码范围: 87-90
• 页数: 4页
• 分类号: TP391
• 字数: 3345字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2016.02.020

摘要

随着云计算技术的发展，商业云资源的使用成本越来越低，恶意用户可能利用云平台资源对同驻的虚拟机或者其他云平台实施入侵攻击。针对云服务的入侵攻击主要包括对虚拟机或监视器的攻击和后门通道攻击。针对现有云入侵检测系统仅能检测已知的攻击、对不同虚拟网络模型的兼容性较低、对攻击的变种的检测精度较低等问题，在分析KVM网络模型的基础上，提出一种云环境下基于改进BP算法的入侵检测模型( MBPCIDM)。该模型结合了PSO算法的全局寻优能力和BP算法的梯度下降局部搜索等特点，将PSO算法引入到BP的初始权值与阈值的优化，融入了动量项与自适应学习速率方法，使得BP网络更快收敛，且有效避免了算法陷入局部最优。实验结果表明，所提出的模型平均检出率较高，能为云环境提供入侵检测服务。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李陶深	广西大学计算机与电子信息学院	394	2640	25.0	36.0
5	黄汝维	广西大学计算机与电子信息学院	31	250	8.0	15.0
7	何文河	广西大学计算机与电子信息学院	1	9	1.0	1.0