基于RBF神经网络的入侵检测优化算法研究

入侵检测系统在保障信息安全方面起着重要的作用,对入侵检测系统智能性的研究是当前信息安全领域的研究热点。针对入侵检测系统存在的高漏报率和误报率等缺点,在对RBF(Radial Basic Functions径向基函数)神经网络优化算法进行对比研究的基础上,利用遗传算法优化传统RBF算法的网络初始权重,成功地将GA-RBF算法运用到入侵检测中去。实验结果表明,将GA-RBF算法运用到入侵检测模型中,可以较好地提高入侵检测的效率,降低误警率。