基于量子粒子群的BP网络用于入侵检测

被引：3

作者：

袁浩

机构：

[1] 重庆邮电大学电子商务与现代物流实验室

来源：

传感器与微系统 | 2010年 / 29卷 / 02期

关键词：

网络安全; 入侵检测; BP网络; 量子粒子群;

D O I：

10.13873/j.1000-97872010.02.020

中图分类号：

TP393.08 [];

学科分类号：

0839 ; 1402 ;

摘要：

针对遗传算法、粒子群算法等BP网络的学习算法对高维复杂问题仍易早熟收敛,且无法保证收敛到最优解。把量子粒子群算法应用于BP网络的学习中,并把改进BP网络用于入侵检测。通过KDD99CUP数据集分别对基于不同学习算法的BP网络进行了实验比较,结果表明:该算法的收敛速度较快,可在一定程度上提高入侵检测系统的准确率和降低的误报率。

引用

收藏

页码：108 / 110

页数：3

相关论文

共 10 条

[1] 攻击特征自动提取技术综述 [J].

唐勇 ;

卢锡城 ;

王勇军 .

通信学报, 2009, 30 (02) :96-105

[2] 入侵检测的进化神经网络研究 [J].

易晓梅 ;

陈波 ;

蔡家楣 .

计算机工程, 2009, 35 (02) :208-209+213

[3] 基于MPSO的BP网络及其在入侵检测中的应用 [J].

肖晓丽 ;

黄继红 ;

刘志朋 .

计算机工程, 2008, (15) :168-169+210

[4] 基于分布式学习的大规模网络入侵检测算法 [J].

刘衍珩 ;

田大新 ;

余雪岗 ;

王健 .

软件学报, 2008, (04) :993-1003

[5] 入侵检测系统研究进展 [J].

林果园 ;

黄皓 ;

张永平 .

计算机科学, 2008, (02) :69-74

[6] 自适应入侵检测专家系统模型 [J].

何波 ;

程勇军 ;

涂飞 ;

杨武 .

计算机工程, 2007, (10) :158-160

[7] 入侵检测中的数据预处理问题研究 [J].

陈晓梅 .

计算机科学, 2006, (01) :81-83

[8] 遗传算法优化BP网络初始权重用于入侵检测 [J].

徐仙伟 ;

叶小岭 .

计算机应用研究, 2005, (03) :127-128+132

[9] 入侵检测技术研究综述 [J].

卿斯汉 ;

蒋建春 ;

马恒太 ;

文伟平 ;

刘雪飞 .

通信学报 , 2004, (07) :19-29

[10]

Network Intrusion Detection .2 B Mukherjee,L T,Heberlein Levitt. IEEE Network . 2004