网络入侵检测的建模与仿真研究

研究网络安全问题,由于网络攻击有从病毒到传播网络等多种方式,且网络入侵具有高维性、多样性和复杂性,传统检测方法难以正确识别网络入侵各种特性,导致网络入侵检测正确率低,误报率和漏报率高的难题。为了提高网络安全,提出一种基于主成分分析的改进神经网络网络入侵检测模型。模型首先采用主成分分析对网络原始数据进行预处理,降低数据的维数,消除无关的信息,简单检测模型结构,然后采用粒子群算法对RBF神经网络参数进行优化,将最优模型用于网络入侵检测。仿真结果表明,提高了网络入侵检测的正确率,加快了检测速度,证明是一种有效和实时的识别网络入侵检测的准确方法。