一种基于量子遗传算法的入侵检测方法
【技术领域】
[0001] 本发明设及一种入侵检测方法，尤其设及一种基于量子遗传算法的入侵检测方 法。
【背景技术】
[0002] 数据挖掘应用于入侵检测，无论是分类、关联规则，还是聚类等技术，都是将入侵 检测看作一个数据的分析过程，它们共同的作用原理概括而言是：应用数据挖掘技术分析 数据，归纳或总结得出用户或系统相应的正常行为模型或入侵行为模型。然后依据此模型 对数据进行分析比较，从而判断是否有入侵事件发生。对网络入侵检测系统而言，将数据挖 掘技术应用于系统中的关键就是构造网络的正常行为或异常行为的模型。无论是网络的正 常行为还是异常行为，都是根据具体的网络数据归纳得出的。聚类作为一种数据挖掘技术， 为建立网络的正常行为或异常行为模型提供了有效的方法。
【发明内容】
[0003] 本发明主要提供一种基于量子遗传算法的入侵检测方法，它用量子比特的概率幅 对染色体进行编码，一个量子比特染色体可W同时代表多个状态，使得该算法较之遗传算 法具备更好的种群多样性W及更高的计算并行性。
[0004] 为了实现本发明的目的，本发明提供一种基于量子遗传算法的入侵检测方法，其 特征在于，所述量子遗传算法的步骤为： (1) 初始化种群，产生N个W量子比特编码的染色体； (2) 对初始种群中的每个个体进行k次测量，对得到的k个确定解进行适应度评估，取 每个个体k次评估中最优适应度个体作为该个体下一步进化的目标； (3) While非结束状态do; (4) Begint=t+l，对初始种群中的每个个体进行实施测量，得到一个确定解，对每个 个体的确定解进行适应度评估，将每个个体的适应度值与该个体当前的进化目标进行比 较，按照设定的调整策略，利用旋转口实施对个体的调整，从而得到新的个体q，对新的个体 q实施测量，并进行适应度评估，若新的适应度值较之当前的进化目标更优，则更新进化目 标。否则，保持当前目标不变； (5) 实施量子交叉操作； (6) 实施量子变异操作。
[0005] 优选的，所述量子交叉的操作步骤为： (1) 在对全部个体都进行了量子口旋转操作之后，按照事先设定的交叉概率Pc，从种 群中随机选取若干对个体； (2) 对选取的个体分别进行测量，并计算它们的适应度； (3) 互换进行交叉的两个个体的最优确定解和最优适应度值； (4) 对交叉后的个体施行量子口旋转操作。
[0006] 优选的，所述量子变异的操作步骤为： (1) 在全部个体都进行了量子口旋转操作之后，W-定的概率化从种群中随机选取 若干个体； (2) 对每个个体随机选取若干个变异位，将变异位的量子比特概率幅互换。
[0007] 优选的，基于量子遗传的入侵检测方法分为预处理和聚类两个过程。
[0008] 优选的，所述预处理中设数据集有m条网络连接记录，每个记录有n个特征属性， 将它们记为Xu对它们的处理分为数值标准化和数值归一化两个步骤。
[0009] 优选的，所述聚类的具体步骤为： (1) 初始化种群G(l)，随机生成对应于聚类中屯、的量子比特为编码的染色 体，对初始种群G(l)的每个个体进行多次测量，得到各聚类中屯、，针对聚类中屯、，计 算适应度； (2) 纪录最优的聚类中屯、W及它们对应的适应度，判断计算过程是否可W结束，若满 足结束条件则退出，否则继续计算，对种群G(t)中的每个个体实施一次测量，得到相应的 聚类中屯、，针对聚类中屯、，计算适应度； (3) 纪录最优个体和对应的适应度，如果最优个体对应的适应度连续K代保持稳定不 变，执行量子灾变操作，利用量子旋转口对个体实施调整，得到新的种群； (4) 执行量子交叉操作，执行量子变异操作，判断算法是否满足退出条件，若不满足则 将进化代数t加1，若满足退出条件则终止算法，输出寻优得到的各聚类中屯、。
[0010] 有益效果：本发明提供一种基于量子遗传算法的入侵检测方法，提出的基于量子 遗传的聚类入侵检测方法被设计为预处理和聚类两个过程。在预处理过程中，应用量子遗 传算法对训练数据进行聚类，得到网络正常行为对应的数据和网络异常行为对应的数据在 n维空间下的聚类中屯、，该即是建立网络正常行为和异常行为的空间模型；然后在检测阶 段，根据建立的该空间模型对网络数据进行评判，W判定是否有入侵行为发生。本发明提出 的基于量子遗传的聚类入侵检测方法具有较高的检测率和较低的误报率，该入侵检测方法 是可行的，有效的。
【具体实施方式】
[0011] 下面结合【具体实施方式】对本发明做进一步详细说明。
[0012] 本发明提供一种基于量子遗传算法的入侵检测方法，其特征在于，所述量子遗传 算法的步骤为： (1) 初始化种群，产生N个W量子比特编码的染色体； (2) 对初始种群中的每个个体进行k次测量，对得到的k个确定解进行适应度评估，取 每个个体k次评估中最优适应度个体作为该个体下一步进化的目标； (3) While非结束状态do; (4) Begint=t+l，对初始种群中的每个个体进行实施测量，得到一个确定解，对每个 个体的确定解进行适应度评估，将每个个体的适应度值与该个体当前的进化目标进行比 较，按照设定的调整策略，利用旋转口实施对个体的调整，从而得到新的个体q，对新的个体 q实施测量，并进行适应度评估，若新的适应度值较之当前的进化目标更优，则更新进化目 标。否则，保持当前目标不变； (5) 实施量子交叉操作； (6) 实施量子变异操作。
[0013] 其中，所述量子交叉的操作步骤为： (1) 在对全部个体都进行了量子口旋转操作之后，按照事先设定的交叉概率Pc，从种 群中随机选取若干对个体； (2) 对选取的个体分别进行测量，并计算它们的适应度； (3) 互换进行交叉的两个个体的最优确定解和最优适应度值； (4) 对交叉后的个体施行量子口旋转操作。
[0014]所述量子变异的操作步骤为： (1) 在全部个体都进行了量子口旋转操作之后，W-定的概率化从种群中随机选取 若干个体； (2) 对每个个体随机选取若干个变异位，将变异位的量子比特概率幅互换。
[0015] 其中，基于量子遗传的入侵检测方法分为预处理和聚类两个过程，所述预处理中 设数据集有m条网络连接记录，每个记录有n个特征属性，将