入侵检测数据分类模型—PCANN

被引：7

作者：

田俊峰

刘仙跃

机构：

[1] 河北大学数学与计算机学院

来源：

微电子学与计算机 | 2007年 / 09期

关键词：

入侵检测; 神经网络; 主成分分析;

D O I：

10.19304/j.cnki.issn1000-7180.2007.09.037

中图分类号：

TP393.08 [];

学科分类号：

0839 ; 1402 ;

摘要：

针对现有基于神经网络(NN)的入侵检测模型(IDS)所存在的不足,在分析入侵数据固有的特点的基础上,引入主成分分析方法,提出了一种"主成分分析(PCA)-神经网络"的入侵检测数据分类模型。该模型中入侵数据得以缩减,神经网络规模得以简化,弥补了现有入侵检测模型所存在的不足。基于KDD'99数据的仿真试验,验证了该模型的有效性。

引用

页码：126 / 129+133 +133

页数：5

共 4 条

[1] 基于相似度聚类分析方法的异常入侵检测系统的模型及实现 [J].

王丽娜 ;

徐巍 ;

刘铸 .

小型微型计算机系统, 2004, (07) :1333-1336

[2] The neural network models for IDS based on the asymmetric costs of false negative errors and false positive errors [J].

Joo, D ;

Hong, T ;

Han, I .

EXPERT SYSTEMS WITH APPLICATIONS, 2003, 25 (01) :69-75

[3]

The application of BP neural network in the intrusion detection. Xiao Dao-Ju,Mao Hui,Chen Xiao-Su. Journal of Huazhong University of Sciences＆Technology（Nature Science Edition） . 2003

[4]

Intrusion detection with neu-ral network. Jake Ryan,Lin Meng-Jiang. Proc of the13th National Computer Secu-rity Conf . 1998

← 1 →