摘要：隨著科技進步和計算機網(wǎng)絡技術的飛速發(fā)展，網(wǎng)絡“黑客”的攻擊手段越來越先進，信息安全問題也越來越突出。為了有效保護信息傳輸?shù)陌踩�，提出一種基于自適應優(yōu)化算法的信息安全檢測技術，將具有自適應功能的優(yōu)化算法應用于信息檢測中，通過動態(tài)調整交叉概率和變異概率，利用多次迭代得出最優(yōu)解，實現(xiàn)最優(yōu)檢測，最終達到提高檢測的準確率和減少誤報率的目的。

　　關鍵詞：自適應,優(yōu)化算法,信息安全,變異算法

　　0引言

　　計算機網(wǎng)絡不斷被非法入侵，重要情報資料被竊取，甚至造成網(wǎng)絡系統(tǒng)的癱瘓，給各個國家及眾多公司造成巨大的經(jīng)濟損失，嚴重地危害到國家和地區(qū)的安全。對信息安全進行保護己經(jīng)成為刻不容緩的重要課題。

　　當前計算機網(wǎng)絡正在各個領域迅速普及，整個社會對網(wǎng)絡的依賴程度越來越大，網(wǎng)絡已經(jīng)成為社會和經(jīng)濟發(fā)展的強大動力，其地位越來越重要。眾多的企業(yè)、組織、政府部門與機構都在組建和發(fā)展自己的網(wǎng)絡，并連接到Internet上，以充分共享、利用網(wǎng)絡的信息和資源。

　　但伴隨著網(wǎng)絡的發(fā)展，也產生了各種各樣的問題，其中以安全問題尤為突出。網(wǎng)絡攻擊與入侵行為，對國家安全、經(jīng)濟、社會生活造成了極大的威脅。目前，有超過120個國家己經(jīng)或正在開發(fā)網(wǎng)絡攻擊技術，有些恐怖分子和極端分子甚至可以獲得對國防信息系統(tǒng)的控制，嚴重削弱一個國家對軍事力量的部署和維持能力。

　　通常的信息安全檢測系統(tǒng)存在漏報率和誤報率高，實時性差，訓練數(shù)據(jù)代價高，自適應性差，可擴展性和可移植性差等問題。優(yōu)化算法可以用來產生檢測系統(tǒng)的規(guī)則，用來區(qū)分正常的連接和異常的連接。然而簡單的優(yōu)化算法搜索能力不強，收斂速度較慢，而且算法的穩(wěn)定性不高，不能保證收斂于全局最優(yōu)解。針對以上問題，本文設計了一種基于自適應優(yōu)化算法的信息安全檢測技術。

　　1自適應優(yōu)化算法

　　1994年Srinivas等人提出了一種根據(jù)適應度動態(tài)調整交叉概率Pc和變異概率Pm的自適應優(yōu)化算法。在Srinivas等人提出的自適應優(yōu)化算法中，交叉概率Pc和變異概率Pm按如下公式進行自適應調整。

　　式中：為種群中最大的適應度值；為每代種群的平均適應度值；為要交叉的兩個個體中較大的適應度值；f為要變異個體的適應度值；k1，k2，k3，k4為取(0，1)區(qū)間的值。

　　其中，交叉概率Pc和變異概率Pm隨適應度值的變化，如圖1所示。

　　由式(1)和式(2)可知，當種群各個體適應度趨于一致或趨于局部最優(yōu)時，使交叉概率P和變異概率P增加，當種群適應度比較分散時，使交叉概率P和變異概率P減小。同時，對于適應度值高于種群平均適應度值的個體，取較低的交叉概率P和變異概率，使該解得以保護進入下一代；對于低于種群平均適應度值的個體，取較高的交叉概率P和變異概率P，使該解被淘汰。

　　根據(jù)Srinivas等提出的自適應優(yōu)化算法，交叉概率和變異概率隨著個體的適應度在種群平均適應度和最大適應度之間進行線性調整。當適應度越接近最大適應度時，交叉概率和變異概率越�。划斶m應度值接近或等于最大適應度值的個體時，交叉概率和變異概率接近或等于零。

　　2設計與實現(xiàn)

　　2．1基本思想

　　按照一定的規(guī)則生成初始解群，然后從這些代表問題的可能潛在解的初始解群出發(fā)，運用改進的交叉概率和變異概率，挑選適應度強的個體進行交叉和變異，以期發(fā)現(xiàn)適應度更佳的個體，如此一代代的演化，得到一個最優(yōu)個體，將其經(jīng)過解碼，該最優(yōu)個體的編碼則對應問題的最優(yōu)解或近似最優(yōu)解。

　　算法的偽代碼如下：

　　(1)隨機初試化初試種群，n=1，Gen=0，S=0，N為種群大��；

　　2．2編碼

　　采用實數(shù)編碼的形式。實數(shù)編碼(浮點數(shù)編碼)不需要對待優(yōu)化參數(shù)進行編碼及譯碼操作，它采用直接把待優(yōu)化參數(shù)連成一個實數(shù)向量的方式。實數(shù)編碼的精度高，適合于復雜大空間的搜索。

　　2．3選擇算子

　　采用輪盤選擇法，其方法是計算種群中所有染色體適應度值的總和[s]，然后在[o，s]的搜索空間中隨機產生一個R，選擇一個適應度值大于R并最靠近R的染色體。

　　兩點交叉算子能夠以較高的概率產生出具有較大多樣性的解，即能夠以較高的概率產生出適應度更高的新解。

　　自適應優(yōu)化算法在標準優(yōu)化算法的基礎上運用了最優(yōu)保存策略、自適應理論，只改變交叉算子和變異算子，未改變標準優(yōu)化算法中有限狀態(tài)的齊次馬爾可夫鏈；在經(jīng)過固定代數(shù)的優(yōu)化操作后，且保留了最優(yōu)個體，且保證是以概率1收斂的，即改進的自適應優(yōu)化算法可以以概率1收斂到全局最優(yōu)。

　　3實驗與分析

　　實驗環(huán)境：一臺PC機，操作系統(tǒng)為WindowsXP開發(fā)工具為MicrosoftVist!alStudio．Net2003，開發(fā)語言為c”和J。其中，C”用于網(wǎng)絡特征提取的計算J用于人侵檢測系統(tǒng)的實現(xiàn)。．

　　3．1實驗流程

　　(1)隨機產生初始解群，一1，初始化Gen一0，S一0。其中，Gen表示優(yōu)化算法迭代次數(shù)；變量S表示保存的全局最優(yōu)個體；

　　(2)判斷Gen是否達到確定的最大進化迭代數(shù)max，若相等跳到(1O)，否則進行下一步；

　　(3)復制變量S到種群；

　　(4)計算解群的適應度值；

　　(5)淘汰適應度低的個體；

　　(6)判斷n與N(本次實驗使用的解群值)的關系若n

　　(7)根據(jù)適應度值選擇兩個染色體，按照預先定義好的交叉策略產生新的下一代；

　　(8)根據(jù)適應度值選擇一個染色體，按照預先定義好的變異策略產生新的下一代；．

　　(9)Gen=Gen十1；

　　(10)結束。

　　3．2實驗結果及分析

　　在解群大小為100，進化代數(shù)為5OO，得到數(shù)據(jù)如表1所示。

　　由普通算法和自適應優(yōu)化算法的實驗結果對照可以看出：在二者解群大小、迭代次數(shù)相同的情況下，后者的DR和FPR有一定程度的提高。隨著解群數(shù)和迭代次數(shù)的增大，普通遺傳算法和自適應優(yōu)化算法的檢測準確率都有所提高，同時檢測誤報率有一定程度的減小。

　　4結語

　　采用實數(shù)編碼的形式，直接把帶優(yōu)化參數(shù)連成一個實數(shù)向量，實現(xiàn)復雜大空間的搜索。通過動態(tài)調整交叉概率和變異概率，利用多次迭代得出最優(yōu)解，實現(xiàn)最優(yōu)檢測，最終達到提高檢測的準確率，減少誤報率的目的。該算法將具有自適應功能的優(yōu)化算法應用到信息安全檢測技術中，保證存在收斂于全局的最優(yōu)解，實現(xiàn)了優(yōu)化算法與信息安全檢測技術的有機結合，提高了信息安全檢測的準確率，適用于入侵攻擊型檢測與防范。

---

轉載請注明來自：http://www.jinnzone.com/xinxianqlw/24009.html