一种基于进化神经网络的混合入侵检测模型

被引：29

作者：

屈洪春

王帅

机构：

[1] 重庆邮电大学工业物联网及网络化控制教育部重点实验室

来源：

计算机科学 | 2016年 / 43(S1)卷 / S1期

关键词：

入侵检测; 误用检测; 异常检测; 遗传算法; 进化神经网络;

D O I：

暂无

中图分类号：

TP393.08 []; TP183 [人工神经网络与计算];

学科分类号：

140502 [人工智能];

摘要：

为了提高入侵检测系统的检测率并降低误报率,将误用检测技术和异常检测技术进行结合,以克服采用单一技术的缺陷。采用改进的进化神经网络作为检测引擎,首先,通过对遗传算法进行改进,弥补实数编码全局寻优能力差的缺陷,且降低计算的复杂度,提高进化收敛速度;然后,将改进的遗传算法和BP神经网络的LM算法进行结合,进一步克服神经网络学习阶段训练速度慢和易陷入局部最优的缺点,进而提高神经网络的分类能力和模式识别能力。采用KDDCUP99数据集作为训练与测试数据集进行实验,结果表明,基于改进的进化神经网络建立的混合入侵检测模型在数据特征规则的提取速度、检测精度以及识别新的攻击类型方面有明显改善。

引用

页码：335 / 338

页数：4

共 9 条

[1]

Enhancing SVM performance in intrusion detection using optimal feature subset selection based on genetic principal components.[J].Iftikhar Ahmad;Muhammad Hussain;Abdullah Alghamdi;Abdulhameed Alelaiwi.Neural Computing and Applications.2014, 7-8

[2]

A novel hybrid intrusion detection method integrating anomaly detection with misuse detection [J].

Kim, Gisung ;

Lee, Seungmin ;

Kim, Sehun .

EXPERT SYSTEMS WITH APPLICATIONS, 2014, 41 (04) :1690-1700

[3]

An intelligent algorithm with feature selection and decision rules applied to anomaly intrusion detection [J].

Lin, Shih-Wei ;

Ying, Kuo-Ching ;

Lee, Chou-Yuan ;

Lee, Zne-Jung .

APPLIED SOFT COMPUTING, 2012, 12 (10) :3285-3290

[4]

Anomaly intrusion detection based on PLS feature extraction and core vector machine.[J].Xu-sheng Gan;Jing-shun Duanmu;Jia-fu Wang;Wei Cong.Knowledge-Based Systems.2012,

[5]

An improved Artificial Immune Systembased Network Intrusion Detection by Using Rough Set.[J].Shen; Junyuan;Wang; Jidong;Ai; Hao.EN.2012, 1

[6]

一种基于无监督免疫优化分层的网络入侵检测算法 [J].