基于概率神经网络的IPv6入侵检测技术研究

被引：6

作者：

贺静 ^{[1
]}

徐成武 ^{[1
]}

任密林 ^{[2
]}

机构：

[1] 太原理工大学信息化管理与建设中心

[2] 下一代互联网重大应用技术(北京)工程研究中心

来源：

太原理工大学学报 | 2017年 / 48卷 / 06期

关键词：

IPv6; 入侵检测; 概率神经网络;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TP393.08 [];

学科分类号：

140502 [人工智能];

摘要：

分析了IPv6常见网络问题与入侵检测技术,介绍了基于神经网络的IPv6入侵检测技术模型。鉴于概率神经网络有强大的非线性分类能力,可以非常准确地完成入侵攻击分类等优点,提出了一种基于概率神经网络的IPv6入侵检测技术,将IPv6中获取的数据包进行预处理后,利用概率神经网络进行数据类型分类。实验证明,该方法在IPv6入侵检测的检测精度和检测效率上都得到了较大的提高。

引用

页码：969 / 972+983 +983

页数：5

共 7 条

[1]

PNN网络在入侵检测中的应用研究 [J].