基于RBF神经网络的入侵检测模型的研究

被引：3

作者：

刘棣华

余斌

王小芬

机构：

[1] 长春工业大学计算机学院

来源：

网络安全技术与应用 | 2008年 / 12期

关键词：

RBF; BP; 神经网络; 入侵检测系统;

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：

0839 ; 1402 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

BP神经网络作为较成熟的技术已被应用于入侵检测技术中,但遇到的诸如执行速度慢、易陷入局部最小值等问题限制了其检测性能的提高,而RBF(Radial Basic Functions径向基函数)神经网络在逼近能力、学习速度及分类能力上都优于BP神经网络。本文设计了一个基于RBF的入侵检测模型,确定了RBF神经网络的结构和学习算法后,用KDD99数据集中的训练数据对系统进行训练,最后,用测试数据对系统进行测试。仿真试验表明,该系统最终具有较高的检测率和很低的误报率。

引用

页码：36 / 38

页数：3

共 5 条

[1] 多层神经网络在入侵检测中的应用 [J].

顾明 .

计算机工程与设计, 2007, (08) :1792-1794

[2] 径向基函数(RBF)网络在入侵检测中的应用 [J].

唐正军 ;

刘代志 .

计算机工程, 2003, (08) :39-41

[3]

入侵检测技术[M]. 清华大学出版社 , 唐正军,李建华编著, 2004

[4]

MATLAB神经网络仿真与应用[M]. 科学出版社 , 闻新等编著, 2003

[5]

A Geometric framework for unsupervised anomaly detection: detecting intrusions in unlabeled data. Eleazar Eskin,Andrew Amold,Michael Prerau, etc. Data mining for Security Application(DMSA-2002 . 2002

← 1 →