前言：中文期刊網精心挑選了落下的眼淚范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
落下的眼淚范文1
關鍵詞：神經網絡；網絡入侵；聚類
中圖分類號：TP393 文獻標識碼：A 文章編號：1009-3044（2016）01-0060-02
Research on Intrusion Clustering in the Cloud Platform Based on BP Neural Network
ZHOU Tian-yuan
（School of Computer Engineering， Huaihai Institute of Technology， Lianyungang 222005，China）
Abstract：Through the safety characteristic analysis of cloud platform， on intrusion clustering based on BP neural network， and proposes a new architecture， and improve the learning rate and weight algorithm， through the Matlab experiment， the experimental results are satisfactory， with good results.
Key words： neural network；network intrusion； clustering
隨著計算機網絡及云技術的飛速發展，云平臺下的網絡系統面臨著越來越多的攻擊，且入侵方式和種類的不斷更新，因而對入侵檢測技術提出了新的要求?；诰垲惖娜肭謾z測方法的最重要的特點就是無監督性，是一個將數據劃分為多個類或簇的過程，并使得同一個簇內的數據對象具有較高的相似度，而不同簇中的數據差別很大，從而成為了近幾年來網絡安全研究的熱點之一[1，2]。
神經網絡具有自學習、自適應的特征，這些特性使其在入侵檢測中得到了很好的應用[3]。由于云平臺環境擁有強大的計算能力、海量的存儲空間和豐富的用戶信息，對網絡入侵者具有很大的誘惑力，很容易遭受各種安全威脅與攻擊的考驗。據此，本文提出了一種基于神經網絡的云平臺下的網絡入侵聚類算法用于人侵檢測，通過實驗，表明此算法在未知人侵檢測方面是可行和有效的，并極大地提高了人侵檢測率，同時有效控制了誤檢率。
1 改進的BP算法設計
對于入侵檢測系統來說，最重要的部分在于算法的精準率及穩定性，針對以上的算法缺點，本文提出了通過修改權值和學習率對BP算法進行改進，以提高對入侵數據檢測的穩定性和精準率。
傳統的BP算法采用采用均方誤差（LMS）估計器[4]，如式1所示。
[Ep=12j=1m（ypj-opj）2] （1）
式中，[ypj]是網絡的期望輸出，[opj]是網絡的實際輸出。
將網絡關于整個樣本集的誤差測度定義為式2所示。
[E=Ep] （2）
反復調整突觸權值使代價函數達到最小或使系統達到一個穩定狀態，就完成了學習過程。[ωij]表示神經元[xj]到[xi]的突觸權值，在學習步驟為[n]時對突觸權值的調整為式3。
[Δωij（n）=ηRpjxj（n）] （3）
式中，[Rpj=ypj-opj]，[η]為學習速率參數。得到[Δωij（n）]之后，定義突觸權值[ωij]的校正值為式4。
[ωij（n+1）=ωij（n）+Δωij（n）] （4）
同時本文為了確保算法的穩定性，采用最速下降BP算法進一步修正權值和閾值。則有是式5。
[x（k+1）=x（k）-ηg（k）] （5）
式中，[x（k）]為第[k]次迭代各層之間的連接權向量或閾值向量。
[g（k）=?E（k）?x（k）]為第[k]次迭代的神經網絡輸出誤差對各權值或閾值的梯度向量。負號表示梯度的發方向，即梯度下降方向。[η]是學習速率，是常量。
[E（k）]為第[k]次迭代的網絡輸出的總誤差性能函數。如以兩層網絡為例，只有一個輸出樣本時，有式（6）、式（7）和式（8）：
[E（k）=E[e2（k）]≈1S2i=1s2[t2i-a2i（k）]2] （6）
[a2i（k）=f2{j=1s2[ω2i，j（k）a1i（k）-b2i（k）]}=f2{j=1s2[ω2i，j（k）f1]（j=1s1（iω1i，j（k）pi+ib1i（k）））+b2i（k）}]（7）
如輸入[n]個樣本，則
[E（k）=E[e2（k）]≈1S2j=1s1i=1s2[t2i-a2i（k）]2] （8）
根據上式可以求出第[k]次迭代的總誤差曲面的梯度[g（k）=?E（k）?x（k）]，分別代入式（4）和（8）中，便可以逐次修正其權值和閾值，并使總的誤差向減少的方向變化，直到達到所要求的誤差性能為止。
2 改進算法在入侵檢測中的應用
本文把接收到的數據轉化為神經網絡能識別的格式，送往神經網絡學習或判別，在訓練階段將數據轉換格式后，送入神經網絡。數據歸一化是把網絡入侵數據進行歸一化處理。網絡初始化根據入侵數據特點初始化網絡，由于網絡入侵數據有30維，入侵數據來自于5種不同類型的網絡入侵模式，所以輸入層節點數為30。競爭層節點代表輸入數據潛在的分類類別，競爭層節點數一般大大多于數據實際類別，選擇競爭層節點數為35個，競爭層節點排列在一個方陣中。
3 實驗仿真及分析
為檢驗本文改進BP算法，采用的樣本數據來源為KDDCUP99數據集，實驗使用的平臺為MATLAB（R2009a）。本文將入侵行為歸為以下4個入侵種類：拒絕服務攻擊（DoS）；遠程權限獲?。≧2L）；非法監聽和探測（Probe）和本地用戶非法提升權限（U2R）。為了全面的檢測改進BP算法后對入侵數據的穩定性和精確率，從數據集中選取了500組測試數據。本文設置學習率（[η]）是0.65，允許誤差為0.001，學習次數150。實際檢測率和誤檢率如表l所示，得到的聚類結果如圖1所示。從實驗的仿真結果可以看到，將神經網絡算法用于入侵檢測，收斂容易且速度較快，達到了目標精度，明顯提高了各種入侵行為的檢測率，降低了系統的誤報率，有效地改進了入侵檢測系統的性能。競爭層和輸出層的權值[ωjk]=0。取4000組網絡攻擊數據，從中隨機抽取4000組數據訓練網絡，500組數據測試網絡分類能力，其結果如表1和圖1所示。
圖1 聚類結果
表1 檢測結果
[攻擊類型＼&檢測準確率（%）＼&誤報率（%）＼&漏報率（%）＼&DoS＼&96.9＼&0.8＼&1.3＼&Probing＼&95.5＼&3.2＼&1.3＼&U2R＼&97.3＼&1.9＼&0.8＼&R2L＼&92.8＼&5.6＼&1.6＼&]
從表1中可以看到，本文對于入侵檢測有很好的效果，這從另外一方面說明在入侵檢測系統征選取很重要，這主要是因為神經網絡的分類能力和自管理能力，測試的結果還是令人滿意的。
4 結束語
本文通過對基于BP神經網絡的云平臺下網絡入侵聚類的分析和研究，提出了具體的設計流程，并通過調整神經網絡中輸出層節點的權值，使得其具有較好的性能，通過實驗仿真后的數據分析，BP神經網絡在網絡入侵聚類中具有良好的效果。
參考文獻：
[1] B.R.Kandukuri，V.R.Paturi，A.Rakshit.Cloud security issues.In：IEEE international conference on services computing，2009：517-520.
[2] M. C.Procopiuc.Clustering Problems and Their Applications[D].USA：Department of Computer Science， Duke University，1997
落下的眼淚范文2
雪的眼淚，寂寞無比；雪的眼淚，童真無趣。沒有人在乎的愛，被冰雪融化；沒有人珍惜的淚，從臉旁滑下。冬天里的雪啊，秋天里的愛，一個重現，一個再見，心的碎片得落下來。
雪的眼淚，為什么那樣寂寞？雪的眼淚，是怎樣童真無趣？想起往日的努力，換來的只是心酸和回憶，淚比雪下得更沒道理！
雪的眼淚，雪的眼淚，雪的眼淚……
雪里夾著微笑，雨里帶著眼淚，雪的堅強化作動力，雨的渴望變成回憶，雨從雪的眼里滴了下去，雪的眼淚只能哭泣。
雪里夾著微笑，雨里帶著眼淚，雪的堅強化作動力，雨的渴望變成回憶，雨從雪的眼里滴了下去，雪的眼淚只能哭泣。為什么雪的眼淚總是那樣寂寞？她不應該那樣悲傷。為什么雪的眼淚總是那樣憂郁？她不應該
落下的眼淚范文3
我不再相信眼淚
眼淚有時就像一個不聽話的水娃娃，不經意間滑過臉頰；眼淚有時又像一個堅強的小姑娘，不管怎樣就是不落下；眼淚時而“嬌嫩欲滴”，時而“堅強不屈”，讓我永久猜不透它。
還記得一次，我獨自去解放碑滑冰，一路上興奮激動伴隨著我，到了大都會，換上鞋，一切準備就緒。我小心翼翼地走上冰，緊拉住欄桿不放，慢慢熟悉，盡管以前來過這兒，但是隔得時間太久了難免會有些生疏。我拉著欄桿慢慢地滑了幾圈后，找到感覺了，便松開了手，最后我滑得越來越快，由前面的兩只腳在冰上滑動，到現在的一只腳抬起一只叫在冰上滑動。在一個轉彎的不遠處有一個小洞洞，我當時也沒有注意就滑了過去，突然右鞋前面鋸齒狀在小洞那兒絆了一下，我“砰”的一聲響，膝蓋撞到了固定欄桿的板上，一會兒后疼痛蔓延全身，這時眼淚就像一個堅強的姑娘，我迅速地從冰上爬起，繼續滑，到了最后我再也沒有摔跤。
經過這一次事件，改變了我原來的觀點：眼淚就是一個發泄物，在自己難過傷心時就落下，而現在不同了，我把眼淚當做了珍珠，不能再讓眼淚那么輕易滑走。所以我不再相信眼淚！
落下的眼淚范文4
可我常常覺得，流下一滴眼淚，需要很久很久。人越長大，就越習慣于壓抑內心的真實感受，不再放聲大哭放聲大笑，什么都只是淡淡的點到為止。好像越來越沒有什么事情可以讓我傷心到立刻落淚，像是傳說中丟失了淚腺的駱駝，再也找不出，釋放傷感的出口。于是一滴淚，在滲出眼眶之前，早已在心中醞釀了許久，甚至可能在落下之前，已經悄悄蒸發。
有的時候真的很想哭，可是由于某種原因只能很辛苦的仰起頭深呼吸，仿佛把那滴眼淚又狠狠壓回心里，神色如常的，奔波，忙碌，寒暄，微笑。
有一天早上，天氣很涼，披件長衣站在陽臺上看，下雨了。我就一直那么站著，莫名其妙的傷感，難得有這樣一個時刻，氣氛如此陰郁，世界如此安靜，我一個人站著看雨，在冷空氣的侵襲下有些瑟瑟發抖。我對自己說不如就現在吧，和
雨一起煽情一把，然后沒有猶豫沒有醞釀，淚就真的來了，心也開始尖銳的痛了，仿佛所有的感覺，突然間復蘇了。如同用鋒利的刀劃開飽滿的橙子，剎那間汁水四溢無法停止，那柔軟的果肉就這么暴露在空氣中，一切脆弱都無所遁形。《有時我也不懂得我自己為什么會落淚？心理就是有說不出的難受，但又不能和別人訴說，這種感覺難受啊》我不知道這是隱忍了多久的淚水，但它終于在這樣一個濕潤的早上，急速的落下，囂張的釋放。
落下的眼淚范文5
總有一個人 是心口的朱砂
想起那些花 那些傻 眼淚落下
只留一句 你現在好嗎
如果愛忘了 淚不想落下
那些幸福啊 讓她替我到達
如果愛懂了 承諾的代價
不能給我的 請完整給她
總有些牽掛 舊的像傷疤
越是不碰它 越隱隱的痛在那
想你的臉頰 你的發 我不害怕
就讓時間 給我們回答
如果愛忘了 淚不想落下
那些幸福啊 讓她替我到達
如果愛懂了 承諾的代價
不能給我的 請完整給她
我說我忘了 不痛了
那是因為太愛太懂了
笑了 原諒了 為你也值得
用你的快樂 告訴我
現在放開雙手是對的
別管我多 舍不得
如果愛忘了 就放他走吧
那些幸福啊 讓她替我到達
如果愛懂了 承諾的代價
不能給我的 請完整給她
如果愛忘了 你還記得嗎？
[01:22.31][00:03.93]戚薇 - 如果愛忘了
[00:09.33]曲：林天愛 詞：唐恬，李志清
[00:11.48]專輯：如果愛忘了
[01:32.91][00:17.91]music…。。
[00:19.19]總有一些話 來不及說了
[00:25.87]總有一個人 是心口的朱砂
[00:32.30]想起那些花 那些傻 眼淚落下
[00:39.34]只留一句 你現在好嗎
[00:44.66]
[00:46.83]如果愛忘了 淚不想落下
[00:53.26]那些幸福啊 讓她替我到達
[00:59.48]如果愛懂了 承諾的代價
[01:06.26]不能給我的 請完整給她
[01:35.44]總有些牽掛 舊的像傷疤
[01:41.89]越是不碰它 越隱隱的痛在那
[01:48.62]想你的臉頰 你的發 我不害怕
[01:55.47]就讓時間 給我們回答
[02:01.60]
[02:01.81]如果愛忘了 淚不想落下
[02:07.79]那些幸福啊 讓她替我到達
[02:14.15]如果愛懂了 承諾的代價
[02:20.94]不能給我的 請完整給她
[02:26.84]
[02:28.59]我說我忘了 不痛了
[02:32.22]那是因為太愛太懂了
[02:35.56]笑了 原諒了 為你也值得
[02:41.74]用你的快樂 告訴我
[02:45.17]現在放開雙手是對的
[02:48.22]別管我多 舍不得
[02:53.35]
[02:53.62]如果愛忘了 就放他走吧
[02:59.91]那些幸福啊 讓她替我到達
[03:06.23]如果愛懂了 承諾的代價
[03:12.76]不能給我的 請完整給她
落下的眼淚范文6
完整歌詞：
1、每種色彩，都應該盛開，別讓陽光背后只剩下黑白，每一個人，都有權利期待，愛放在手心，跟我來，這是最好的未來，我們用愛 筑造完美現在，千萬溪流匯聚成大海，
2、每朵浪花一樣澎湃，每個夢想， 都值得灌溉，眼淚變成雨水，就能落下來，每個孩子，都應該被寵愛，他們是我們的未來，這是最好的未來，我們用愛，筑造完美現在，千萬溪流匯聚成大海。
3、每朵浪花一樣澎湃，這是最好的未來，不分你我，彼此相親相愛，千山萬水，傳遞著關懷，幸福永遠與愛同在，每個夢想，都值得灌溉，眼淚變成雨水，就能落下來，每個孩子，都應該被寵愛，他們是我們的未來，同一天空底下相關懷，這就是最好的未來，
（來源：文章屋網 ）